【技术实现步骤摘要】
本专利技术涉及信息安全技术的领域，尤其涉及一种面向分割学习的中毒攻击防御方法、设备及存储介质。
技术介绍
1、分割学习(sp l it learning)是一种新兴的分布式机器学习(di str ibutedmachine learning)方法，在客户端和服务器之间使用。根据模型分割的部分数，分割学习可被分为vanilla型和u型。其中，vanilla型分割学习将模型分为两个部分，由客户端和服务器分别持有一部分；而u型分割学习则是将模型分为连续的三个部分，由客户端持有第一部分和第三部分，服务器持有第二部分。通过分割学习，模型被分割和训练，原始数据不会从服务器转移到客户端，而模型在客户端和服务器之间被适当分割，减少了训练的负担。
2、在u型分割学习中，训练的步骤分为两个部分：分割与训练。在分割步骤中，客户端与服务器将模型分割为连续的三个部分：f1、f2和f3。其中客户端持有客户端模型f1与f3，服务器持有服务器模型f2。由于模型的输入层(f1)和输出层(f3)均由客户端持有，因此训练数据的样本与标签也由客户端所有，这是与va...
【技术保护点】
1.一种面向分割学习的中毒攻击防御方法，其特征在于，
2.如权利要求1所述的面向分割学习的中毒攻击防御方法，其特征在于，训练数据集包括若干输入样本和与输入样本对应的参考标签；
3.如权利要求2所述的面向分割学习的中毒攻击防御方法，其特征在于，
4.如权利要求1至3之一所述的面向分割学习的中毒攻击防御方法，其特征在于，所述根据客户端模型f”3确定待训练模型的输出类别以及输出类别对应的概率分布，包括：
5.如权利要求1至3之一所述的面向分割学习的中毒攻击防御方法，其特征在于，所述使用聚类算法将得到的服务器嵌入数据集Es划分成
【技术特征摘要】
1.一种面向分割学习的中毒攻击防御方法，其特征在于，
2.如权利要求1所述的面向分割学习的中毒攻击防御方法，其特征在于，训练数据集包括若干输入样本和与输入样本对应的参考标签；
3.如权利要求2所述的面向分割学习的中毒攻击防御方法，其特征在于，
4.如权利要求1至3之一所述的面向分割学习的中毒攻击防御方法，其特征在于，所述根据客户端模型f”3确定待训练模型的输出类别以及输出类别对应的概率分布，包括：
5.如权利要求1至3之一所述的面向分割学习的中毒攻击防御方法，其特征在于，所述使用聚类算法将得到的服务器嵌入数据集es划分成若干簇族，包括：
6.如权利要求1至3之...
【专利技术属性】
技术研发人员：胡春强，何云霄，任颖，蔡斌，桑军，
申请(专利权)人：重庆大学，
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。