公开(公告)号：CN116402126A

公开(公告)日：2023-07-07

申请号：CN202310389952.6

申请日：2023-04-12

Applicant: 北京邮电大学

Inventor： 周俊 ,  施举红 ,  杨煜清 ,  王欣 ,  吴利伟 ,  李宜瑶 ,  薛培君

IPC: G06N3/098 ,  G06F18/2321 ,  H04L9/40

Abstract: 本发明提出一种防御数据投毒攻击的联邦学习方法，包括，获取包含客户端中数据全部特征分布的共享数据集；根据客户端的本地数据集对模型F进行训练，其中模型F用于学习本地数据集中样本特征和目标向量之间的关系；根据客户端的本地数据集对模型G进行预训练，根据共享数据集对模型G′进行预训练，其中模型G和G′用于学习模型F个性化层参数和向量c之间的关系；获取客户端的本地数据量、向量c、模型F参数以及模型F输出的个性化层参数通过模型G的输出V；将个性化层参数作为模型G′的输入，得到输出V′,计算L＝||V′‑V||，根据L判断客户端是否存在数据投毒攻击或梯度攻击，通过服务器对恶意客户端的模型参数赋予较低的权值减轻数据投毒攻击和针对模型参数攻击的影响。

公开(公告)号：CN115985496A

公开(公告)日：2023-04-18

申请号：CN202211634726.1

申请日：2022-12-19

Applicant: 北京邮电大学

Inventor： 杨煜清 ,  施举红 ,  王欣 ,  李宜瑶 ,  吴利伟 ,  周俊

IPC: G16H50/30 ,  G06N3/098

Abstract: 本申请提出了一种基于联邦学习的可解释性疾病风险预测方法及装置，涉及疾病风险预测领域，包括：从中心服务器向客户端发送统计请求；在客户端收到所述统计请求后，统计本地数据集中的所述第一患者子人群信息，并将所述第一患者子人群信息发送至所述中心服务器；汇总第一患者子人群信息以确定第二患者子人群信息，根据第二患者子人群信息确定子人群特征和不良事件风险信息，并发送至客户端进行本地训练，构建可解释性疾病风险预测模型，实现对患者的疾病风险预测。本申请通过构建可解释性疾病风险预测模型，进行横向联邦学习技术创新，实现患者的疾病风险预测，解决了数据非独立同分布和数据错误及恶意攻击造成的模型性能损失和患者隐私泄露问题。