联邦学习的后门攻击防御方法及装置

    公开(公告)号:CN113779563B

    公开(公告)日:2025-04-04

    申请号:CN202110897437.X

    申请日:2021-08-05

    Abstract: 本发明提供一种联邦学习的后门攻击防御方法及装置,该方法包括:建立基于联邦学习的图像分类模型并进行训练;根据训练得到的图像分类模型进行待分类图像的分类处理;模型训练方式为:分别获取各客户端在目标轮模型学习中得到的目标模型更新维度的初始局部模型参数;基于各初始局部模型参数的平均值和标准差,确定各初始局部模型参数中的异常值;将异常值所对应的客户端的初始局部模型参数均更新为各初始局部模型参数的平均值,得到各客户端新的局部模型参数;对各新的局部模型参数求取平均值,得到目标轮模型学习对应目标模型更新维度的聚合模型参数。从而能够使得训练得到的模型保持良好的性能,保证了模型在实际应用时的准确性。

    互联网大数据信息处理终端

    公开(公告)号:CN114173534B

    公开(公告)日:2024-08-13

    申请号:CN202111447821.6

    申请日:2021-11-30

    Abstract: 本发明提供了一种互联网大数据信息处理终端,所述互联网大数据信息处理终端包括终端本体、散热柜、散热通道以及多个夹线器,所述终端本体的背部设有接线端口;所述散热柜设于所述终端本体的背部,并具有与所述接线端口对应的过线孔,所述散热柜贴合于所述终端本体背部的一侧面上设有多个沿第一预设路径平行分布散热槽,所述散热柜的侧壁设有散热孔;所述散热通道绕设于多个所述散热槽的外周,所述散热通道内用于流通冷却物质;多个所述夹线器与所述散热槽一一对应设置,所述夹线器滑动连接于所述散热槽,所述夹线器具有两个可张合的夹臂。本发明提供的互联网大数据信息处理终端散热效率更好;方便数据线的安装,降低劳动强度。

Patent Agency Ranking