公开(公告)号：CN118536154A

公开(公告)日：2024-08-23

申请号：CN202410594123.6

申请日：2024-05-14

Applicant: 南京邮电大学

Inventor： 刘淼 ,  赵文硕 ,  丁凌晖 ,  潘晨悦 ,  杨洁 ,  赵海涛

IPC: G06F21/62 ,  G06N3/0455 ,  G06N3/098 ,  G06N3/084

Abstract: 本发明涉及多模态联邦学习、差分隐私、大数据技术领域，公开了一种面向跨域异质多模态联邦学习的差分隐私防御机制性能评估方法，通过获取跨域异质场景下的数据集，搭建联邦学习任务和联邦学习模型，配置模态特征融合，得到跨域异质场景下的多模态联邦学习模型；确定梯度泄露风险，选择面向不同模态数据的模拟攻击模型；构建不同机制的差分隐私防御；从面向防御下模型质量的代价、面向重构成功率、面向重构质量三个方面，对差分隐私防御机制进行多维度性能评估；能够综合考虑不同差分隐私机制下的防御性能的优劣，有助于用户选择添加的差分隐私的机制，从而降低隐私泄露的风险，能普遍适用于联邦学习任务和图像文本数据集。