【技术实现步骤摘要】
本专利技术属于计算机安全领域，具体涉及一种移动群智感知中隐私保护的联邦学习方法及系统。
技术介绍
1、随着通信技术的发展，移动群智感知作为一种大规模收集用户数据的方式，极大提高了各类应用的丰富性和实时性。移动群智感知发展的同时，用户数据的隐私性也越发重要。用户在享受基于移动群智感知的各种应用时，也容易泄露隐私，如账户余额等敏感信息，如果不对数据加以处理，则可能会给不法分子可乘之机。
2、联邦学习作为一种分布式的机器学习算法，其主要思想是确保参与方的数据保留在本地，而只是将训练的模型参数上传至服务器聚合，这与移动群智感知中保护用户的数据隐私目的相适应，因此在移动群智感知中使用联邦学习可以很好的保护用户的隐私数据。但是目前的联邦学习仍有一定的局限性，尽管服务器无法直接得到用户数据，但其诚实且好奇的特性使得服务器在执行算法协议的同时，往往试图通过用户上传的梯度或模型参数推导出用户敏感数据，客户端上传的梯度参数容易被攻击者拦截进而造成用户隐私泄露，而且，易受网络或用户主观影响的客户端容易中途退出或延迟参数的上传，而服务器等待客户端上...
【技术保护点】
1.一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述可信中心生成密钥采用的是Paillier秘钥生成系统；
3.根据权利要求2所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述函数L(·)为：
4.根据权利要求3所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述可信中心为客户端集U中的每个客户端分配的随机数xi满足：
5.根据权利要求4所述的一种移动群智感知中隐私保护的联邦学习方...
【技术特征摘要】
1.一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述可信中心生成密钥采用的是paillier秘钥生成系统；
3.根据权利要求2所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述函数l(·)为：
4.根据权利要求3所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述可信中心为客户端集u中的每个客户端分配的随机数xi满足：
5.根据权利要求4所述的一种移动群智感知中隐私保护的联邦学习方法，其特征在于，所述梯度参数为：
6.根据权利要求5所述的一种移动群智感知中隐私保护的...
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。