-
公开(公告)号：CN119129776B
公开(公告)日：2025-04-18
申请号：CN202411269775.9
申请日：2024-09-11
Applicant: 安徽大学
Abstract: 本发明公开一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合方法，针对在大规模分布式集群上面临的拜占庭式攻击后的潜在漏洞，及多智能体信息通讯对通信带宽和计算资源的影响，提出一种抵御攻击并降低通信损耗的算法，实现系统鲁棒稳定、通信高效和客户端隐私安全。本算法将损失函数与惩罚项相结合，保持对拜占庭攻击的弹性；引入参数压缩算子，降低通信成本；量化权重和特征降维，降低数据维数或大小，加快算法收敛；上传、下发的参数都经过有损压缩，实现数据加密，确保隐私和安全性。具有抗干扰能力强，通信成本低，隐私安全性高的优点，可广泛应用于多个领域，尤其适用于存在数据隐私需求高和通信资源受限的应用系统。
-
公开(公告)号：CN119129776A
公开(公告)日：2024-12-13
申请号：CN202411269775.9
申请日：2024-09-11
Applicant: 安徽大学
Abstract: 本发明公开一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法，针对在大规模分布式集群上面临的拜占庭式攻击后的潜在漏洞，及多智能体信息通讯对通信带宽和计算资源的影响，提出一种抵御攻击并降低通信损耗的算法，实现系统鲁棒稳定、通信高效和客户端隐私安全。本算法将损失函数与惩罚项相结合，保持对拜占庭攻击的弹性；引入参数压缩算子，降低通信成本；量化权重和特征降维，降低数据维数或大小，加快算法收敛；上传、下发的参数都经过有损压缩，实现数据加密，确保隐私和安全性。具有抗干扰能力强，通信成本低，隐私安全性高的优点，可广泛应用于多个领域，尤其适用于存在数据隐私需求高和通信资源受限的应用系统。
-
Search Results
2
records
(took 0.019 seconds)
