公开(公告)号：CN116383504A

公开(公告)日：2023-07-04

申请号：CN202310368921.2

申请日：2023-04-03

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  刘亲博 ,  王轩 ,  刘川意 ,  韩培义 ,  王兆国 ,  张加佳

IPC: G06F16/9535 ,  G06F21/62 ,  G06F18/241 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明公开了一种基于梯度混洗的信息推荐方法及相关设备，所述方法包括：获取目标对象的历史评分项目的参数；获取多个待推荐项目，根据所述历史评分项目的参数、多个所述待推荐项目和已训练的信息推荐模型获取各所述待推荐项目对应的推荐分数，其中，所述已训练的信息推荐模型在训练过程中各个训练客户端基于预设的梯度混洗方式对训练梯度参数进行梯度混洗，并上传至中心服务器进行训练；根据各所述待推荐项目对应的推荐分数从多个所述待推荐项目中选择获取目标推荐项目，并向所述目标对象推送所述目标推荐项目。本发明有利于在推荐数据的过程中提高用户数据的安全性，从而保护用户信息数据的隐私。

公开(公告)号：CN115456192A

公开(公告)日：2022-12-09

申请号：CN202211000977.4

申请日：2022-08-19

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  刘亲博 ,  田宇琛 ,  王轩 ,  张伟哲 ,  漆舒汉 ,  蒋琳 ,  吴宇琳

IPC: G06N20/00

Abstract: 本发明公开了一种联邦学习模型投毒防御方法、终端及存储介质，方法包括：根据各局部模型增量的范数及对应的数据集选择匹配的裁剪阈值，并根据选择的裁剪阈值对对应的局部模型增量进行自适应裁剪；根据裁剪后的局部模型增量确定当前全局模型增量的符号特征，并根据确定的当前全局模型增量的符号特征计算裁剪后的局部模型对应的选择系数；根据计算的选择系数将各裁剪后的局部模型进行选择性聚合，得到全局模型；本发明可以有效地防御标签翻转缩放攻击、符号翻转攻击、最小化最大距离攻击等模型投毒攻击手段，能够帮助中心服务器在不收集客户端原始数据、不加剧客户端本地计算量的情况下完成对本地模型的聚合，增强联邦学习框架的可靠性和鲁棒性。