公开(公告)号：CN118674016A

公开(公告)日：2024-09-20

申请号：CN202410792742.6

申请日：2024-06-19

Applicant: 东华大学

Inventor： 章昭辉 ,  唐逸飞

IPC: G06N3/098 ,  G06N20/00 ,  G06F16/27 ,  G06N3/042 ,  G06F18/22

Abstract: 本发明涉及一种基于学习行为的个性化区块链联邦学习方法，在联邦学习过程中利用各客户端的学习行为及学习知识进行监控和检验，为每个客户端提供个性化的学习结果。本发明对于联邦学习中所使用的训练算法没有限定和要求，可以支持对任意训练过程的防御。本发明利用客户端在本地训练模型时的行为及学习知识来构建学习过程模型，并结合学习过程监控机制，能够有效地降低低质量模型或者恶意模型的影响，而且在恶意客户端超过半数时，仍能有效保证安全性。同时在监控过程中，为每个客户端建立知识库，在联邦学习进程结束后，结合客户端的本地知识进行知识库检验，为每个客户端提供一个个性化的知识库以在后续进行安全的个性化的预测。

公开(公告)号：CN118277997A

公开(公告)日：2024-07-02

申请号：CN202410462204.0

申请日：2024-04-17

Applicant: 东华大学

Inventor： 章昭辉 ,  唐逸飞 ,  胡佳威 ,  王鹏伟

IPC: G06F21/55 ,  G06F21/56 ,  G06F16/27 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明涉及一种基于区块链的具有学习行为验证的安全联邦学习方法，在联邦学习过程中利用异步学习行为验证机制，可以有效地检测并剔除恶意模型，保证训练过程的安全性。本发明对于联邦学习中所使用的训练算法没有限定和要求，可以支持对任意训练过程的防御，提高了该发明的可用性。本发明利用节点在本地训练模型时的行为来构建学习行为模型，并结合学习行为验证算法，能够有效地识别恶意模型，而且在恶意节点超过半数时，仍能有效的检测训练过程中出现的中毒攻击行为，保证安全性。同时对模型质量进行检测，以排除低质量模型参与到聚合过程中。这种方法将联邦学习的训练过程、检测过程、聚合过程有机地联系与结合了起来。