一种算力网络隐私保护联邦学习方法、装置及存储介质

    公开(公告)号:CN118282610B

    公开(公告)日:2024-09-27

    申请号:CN202410697728.8

    申请日:2024-05-31

    Abstract: 本发明公开了网络信息安全与数据隐私保护技术领域的一种算力网络隐私保护联邦学习方法,包括:基于通过共享密钥解密所述加密掩码所获得的掩码和算力节点通过掩码生成函数生成的自掩码,通过单掩码加密算法加密所述全局模型获得加密模型;使用单掩码解密算法将掩码和输入所有加密模型的聚合模型以完成解密;算力节点从区块链下载其他算力节点上传的同态哈希值,利用同态哈希验证算法对聚合模型的正确性进行验证,区块链选择一个验证通过的模型作为新的全局模型,迭代上述所有步骤直至全局模型收敛或达到通信轮次。本发明能够解决因算力节点对隐私数据的窃取、算力节点之间的串通、算力节点出现不诚实聚合模型而导致的隐私泄露的技术问题。

    一种基于知识蒸馏时空神经网络的轻量化物联网恶意流量识别方法

    公开(公告)号:CN116260642A

    公开(公告)日:2023-06-13

    申请号:CN202310168774.4

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于知识蒸馏时空神经网络的轻量化物联网恶意流量识别方法,包括:获取待识别的物联网恶意流量;获取预先训练好的教师网络模型;获取预先训练好的基于知识蒸馏的学生网络模型;将待识别的物联网恶意流量输入预先训练好的学生网络模型,获得类别预测向量和对应的预测标签。预先训练教师网络模型,通过以下步骤实现:获取训练集,训练集包括不同类别的物联网恶意流量样本、格式化样本向量集合和物联网恶意流量样本的真实标签;将格式化样本向量集合输入构建的教师网络模型中,得到多分类预测序列;根据多分类预测序列中的预测向量值获得软标签并进行保存。在多个真实物联网恶意流量数据集的测试中,表现高于基于机器学习识别方法。

    一种算力网络隐私保护联邦学习方法、装置及存储介质

    公开(公告)号:CN118282610A

    公开(公告)日:2024-07-02

    申请号:CN202410697728.8

    申请日:2024-05-31

    Abstract: 本发明公开了网络信息安全与数据隐私保护技术领域的一种算力网络隐私保护联邦学习方法,包括:基于通过共享密钥解密所述加密掩码所获得的掩码和算力节点通过掩码生成函数生成的自掩码,通过单掩码加密算法加密所述全局模型获得加密模型;使用单掩码解密算法将掩码和输入所有加密模型的聚合模型以完成解密;算力节点从区块链下载其他算力节点上传的同态哈希值,利用同态哈希验证算法对聚合模型的正确性进行验证,区块链选择一个验证通过的模型作为新的全局模型,迭代上述所有步骤直至全局模型收敛或达到通信轮次。本发明能够解决因算力节点对隐私数据的窃取、算力节点之间的串通、算力节点出现不诚实聚合模型而导致的隐私泄露的技术问题。

Patent Agency Ranking