一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法及系统技术方案

本发明专利技术一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法及系统，系统包含三个参与方：1）客户端、2）服务器及3）可信机构；方法包括以下六个组成部分：（1）具有拜占庭鲁棒性的聚类联邦学习系统；（2）可验证正交矩阵混淆聚合；（3）安全ReLU函数计算；（4）聚合方案；（5）安全密钥转化；（6）压缩方案。本发明专利技术创新性提出聚类联邦学习安全聚合框架，并可有效抵抗拜占庭攻击恶意客户端。通过兼顾隐私安全与系统性能，可广泛适应于多种分布式计算应用场景。

【技术实现步骤摘要】

本专利技术属于网络安全，具体涉及一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法及系统。

技术介绍

1、分布式计算框架下的机器学习已经在各种场景中得到广泛研究，联邦学习作为现代分布式学习框架之一，旨在充分利用边缘设备上的数据和计算能力。虽然联邦学习不需要上传客户端本地数据，避免了服务器直接访问客户端数据导致隐私泄露，但这种分布式训练方式仍然存在一些安全隐患。例如，服务器可通过客户端上传的模型或梯度进行推理攻击，以还原客户端本地数据。此外，拜占庭敌手可通过上传有毒梯度来妨碍训练过程。

2、在高效的安全聚合领域，bonawitz等人提出了一种轻量级协议，允许服务器安全聚合来自多个客户端的模型更新，而无需访问本地梯度。choi等人提出了使用稀疏随机图的低复杂度方案，通过秘密共享节点的拓扑结构来保障数据隐私。kadhe等人提出了fastsecagg框架，利用快速傅里叶变换(fft)创建了多秘密共享方案fastshare，实现高效计算及通信。jahani-nezhad等人提出了swiftagg+，显著减少了通信开销，实现了隐私保护和高效通信。然而，这些本文档来自技高网...

【技术保护点】

1.一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合系统，其特征在于，该系统包含以下三个参与方：

2.一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于，该方法包括以下六个组成部分：

3.如权利要求2所述的一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于，步骤(1)中的聚类模型更新算法的具体步骤为：

4.如权利要求2所述的一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于，步骤(2)中具有鲁棒性的聚类联邦学习算法具体为：

5.如权利要求2所述的一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于...

【技术特征摘要】

1.一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合系统，其特征在于，该系统包含以下三个参与方：

2.一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于，该方法包括以下六个组成部分：

3.如权利要求2所述的一种抵抗拜占庭攻击的聚类联邦学习框架与安全聚合方法，其特征在于，步骤(1)中的聚类模型更新算法的具体步骤为：

4.如权利要求2所述的一种...

【专利技术属性】
技术研发人员：鲍海勇，李志强，蔡敏，潘浩，何博，邢璐，蒋赏，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：