公开(公告)号：CN116628755A

公开(公告)日：2023-08-22

申请号：CN202310773918.9

申请日：2023-06-28

Applicant: 成都信息工程大学

Inventor： 许嘉杰 ,  李林襁 ,  陈超 ,  范锦茜 ,  代盈盈 ,  杨子毅 ,  柴欣

IPC: G06F21/62 ,  G06F21/60 ,  G06F21/31 ,  G06N20/00

Abstract: 本发明涉及用户隐私保护技术领域，且公开了一种基于隐私保护的个性化联邦学习方法包括S1、建立模型；S2、选择模型；S3、模型加密；S4、建立隐私算法；S5、隐私风险分析；S6、建立使用者身份再验证；S7、训练并优化模型S8、部署模型。该基于隐私保护的个性化联邦学习方法，通过建立全局模型或全局模型集合，对全局模型加用户隐私保护用的噪声算法，对全局模型或全局模型集合中的用户数据添加噪声，添加噪声后，对其进行风险分析和验证，经过验证后的全局模型或全局模型合集对其进行部署，在部署之前，对使用者的身份进行再次验证，确保已认证用户的真实性，避免用户信息在上传时用户的隐私受到侵犯，导致用户信JIANLI息在模型上过程中遭受泄露。