【技术实现步骤摘要】
本申请实施例涉及计算机领域，具体而言，涉及一种异常边缘设备的确定方法及装置、存储介质、电子设备。
技术介绍
1、随着大数据和人工智能技术的深入发展，人工智能在图像识别、自然语言处理、语音识别等领域不断取得突破。而利用分布式训练的方式实现模型训练在降低复杂度、提高模型性能的同时，也对数据隐私保护和安全提出了更高的要求。例如，联邦学习作为一种新兴的分布式机器学习技术，允许数据保留在本地，仅将训练模型参数上传到云端，从而实现模型训练和数据隐私保护的统一。但是联邦学习中，除了正常的边缘设备端，还可能存在通过修改模型参数实现拜占庭攻击的边缘设备端。目前基于机器学习的拜占庭攻击检测方法，通过识别训练过程中出现的异常行为，或者通过分析攻击者对模型的破坏能力，实现拜占庭攻击检测。但是该方法依赖于完整的训练集，而联邦学习中，数据保留在本地，导致该方法不适用于联邦学习的攻击检测。
技术实现思路
1、本申请实施例提供了一种异常边缘设备的确定方法及装置、存储介质、电子设备，以至少解决相关技术中无法准确的确定出受到...
【技术保护点】
1.一种异常边缘设备的确定方法，其特征在于，应用于云服务器，所述云服务器与多个边缘设备连接，所述云服务器的全局模型和多个所述边缘设备的多个局部模型均是基于分布式机器学习算法进行训练的模型，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，使用所述全局训练数据集和全局损失函数，计算所述全局模型的第一模型参数，包括：
3.根据权利要求2所述的方法，其特征在于，定义所述全局损失函数，包括：
4.根据权利要求1所述的方法，其特征在于，基于接收的N个所述边缘设备发送的N个所述梯度和所述第一模型参数，确定N组所述局部训练数据中的异常局部...
【技术特征摘要】
1.一种异常边缘设备的确定方法，其特征在于，应用于云服务器，所述云服务器与多个边缘设备连接，所述云服务器的全局模型和多个所述边缘设备的多个局部模型均是基于分布式机器学习算法进行训练的模型，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，使用所述全局训练数据集和全局损失函数，计算所述全局模型的第一模型参数，包括：
3.根据权利要求2所述的方法，其特征在于，定义所述全局损失函数，包括：
4.根据权利要求1所述的方法，其特征在于，基于接收的n个所述边缘设备发送的n个所述梯度和所述第一模型参数，确定n组所述局部训练数据中的异常局部训练数据，并基于所述异常局部训练数据确定异常边缘设备，包括：
5.根据权利要求1或4所述的方法，其特征在于，基于接收的n个所述边缘设备发送的n个所述梯度和所述第一模型参数，确定n组所述局部训练数据中的异常局部训练数据，并基于所述异常局部训练数据确定异常边缘设备之...
【专利技术属性】
技术研发人员：张旭，孙华锦，胡雷钧，王小伟，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
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。