【技术实现步骤摘要】
本申请实施例涉及数据安全，尤其涉及一种联邦模型聚合加密方法及系统。
技术介绍
1、联邦学习（federated learning, fl）是机器学习领域的一个开创性范式，允许多个客户端（如智能手机、物联网设备）在不共享各自的本地数据的情况下，协同训练一个全局模型，能够满足数据为中心的应用时代对隐私和数据安全的需求。但是，仍存在从公开传播的模型更新中提取私有训练数据的风险，因而，在联邦模型训练过程中，如何提高数据安全性是本领域所需解决的问题。
技术实现思路
1、有鉴于此，本申请实施例的目的在于提出一种联邦模型聚合加密方法及系统。
2、基于上述目的，本申请实施例提供了一种联邦模型聚合加密方法，包括：
3、客户端利用生成的盲因子对本地模型参数进行盲化，利用客户端的公钥对盲化后的本地模型参数进行加密，生成密文本地模型参数，将密文本地模型参数发送至聚合服务器；
4、聚合服务器接收密文本地模型参数，基于代理重加密方法将密文本地模型参数转换为聚合服务器公钥下的密文模型...
【技术保护点】
1.一种联邦模型聚合加密方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述客户端利用生成的盲因子对本地模型参数进行盲化，包括：
3.根据权利要求1所述的方法，其特征在于，所述聚合服务器接收密文本地模型参数，基于代理重加密方法将密文本地模型参数转换为聚合服务器公钥下的密文模型参数，包括：
4.根据权利要求3所述的方法，其特征在于，聚合生成聚合服务器公钥下的聚合密文模型参数的方法为：
5.根据权利要求4所述的方法，其特征在于，所述聚合服务器利用聚合服务器的私钥对聚合密文模型参数进行解密，得到聚合模型参数...
【技术特征摘要】
1.一种联邦模型聚合加密方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述客户端利用生成的盲因子对本地模型参数进行盲化，包括：
3.根据权利要求1所述的方法，其特征在于，所述聚合服务器接收密文本地模型参数，基于代理重加密方法将密文本地模型参数转换为聚合服务器公钥下的密文模型参数，包括：
4.根据权利要求3所述的方法，其特征在于，聚合生成聚合服务器公钥下的聚合密文模型参数的方法为：
5.根据权利要求4所述的方法，其特征在于，所述聚合服务器利用聚合服务器的私钥对聚合密文模型参数进行解密...
【专利技术属性】
技术研发人员：徐国爱，丁勇，刘真，田立伟，曹亚南，宋文翔，文晟，徐志宇，曲博，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。