【技术实现步骤摘要】
本专利技术涉及安全防护，尤其涉及一种基于联邦学习的拜占庭攻击防御方法、装置、设备及介质。
技术介绍
1、在联邦学习领域，现有技术中存在一些针对拜占庭攻击的防御方案，其中部分拜占庭鲁棒聚合规则（brars）通过直接分析本地模型更新来抵御攻击，还有基于梯度统计特性、梯度间距离、额外验证数据、优化算法补偿和差分隐私的防御策略，以及在隐私保护联邦学习中，基于安全多方计算、可信执行环境和可度量加性掩码的防御方案等。然而，这些现有技术存在诸多缺陷与问题。许多传统防御方法因直接分析本地模型更新，在面对大语言模型（llms）等参数规模庞大的现代模型时，产生巨大的计算开销，致使防御有效性大打折扣。而且，现有防御机制往往仅能抵御部分类型的拜占庭攻击，难以应对多样化的攻击手段。在高比例拜占庭客户端或数据异构的复杂情况下，其鲁棒性明显不足。
2、在医疗健康领域，联邦学习需在多家医疗机构之间协作建模，同时保护患者隐私。然而，医疗数据通常具有高维稀疏、小样本和强异质性的特点，这对拜占庭鲁棒性提出更高要求。现有防御机制在面对高度异构的分布时难以保持模型收...
【技术保护点】
1.一种基于联邦学习的拜占庭攻击防御方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述利用所述本地模型对所述样本数据集进行前向传播，得到每个所述目标客户端的输出概率向量，并根据所述输出概率向量和所述样本数据集构建若干个概率矩阵，包括：
3.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述确定任意两个所述概率矩阵之间的欧几里得距离，并根据所述欧几里得距离构建距离矩阵，包括：
4.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述根据所述距离矩...
【技术特征摘要】
1.一种基于联邦学习的拜占庭攻击防御方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述利用所述本地模型对所述样本数据集进行前向传播，得到每个所述目标客户端的输出概率向量，并根据所述输出概率向量和所述样本数据集构建若干个概率矩阵，包括：
3.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述确定任意两个所述概率矩阵之间的欧几里得距离，并根据所述欧几里得距离构建距离矩阵，包括：
4.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述根据所述距离矩阵对所述目标客户端进行层次聚类，得到若干个客户端簇，包括：
5.如权利要求1所述的基于联邦学习的拜占庭攻击防御方法，其特征在于，所述对所述待...
【专利技术属性】
技术研发人员：张旭龙，王健宗，谢雨霏，
申请(专利权)人：平安科技深圳有限公司，
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。