公开(公告)号：CN119167226A

公开(公告)日：2024-12-20

申请号：CN202411181396.4

申请日：2024-08-27

Applicant: 西北农林科技大学

Inventor： 孙红光 ,  周文强 ,  张宏鸣 ,  李书琴 ,  徐超 ,  张二磊 ,  刘敬敏 ,  吕志明

IPC: G06F18/2431 ,  G06F18/2415 ,  G06F18/15 ,  G06F21/55 ,  G06F21/57 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/098

Abstract: 本发明属于无线通信技术领域，公开了一种基于AC‑GAN和动态概率调度的可靠联邦学习方法及系统，可以抵御标签噪声、非独立同分布数据和中毒攻击对全局模型性能的消极影响，包括两个阶段：数据预处理阶段，服务器在小基准数据集上训练一个AC‑GAN模型并部署在用户端，用户借助AC‑GAN模型实施数据清洗和数据增强，从而实现噪声标签矫正同时缓解非独立同分布数据的影响；攻击检测阶段，参数服务器构建用户选择概率模型，基于动态概率调度策略过滤恶意用户。为防止用户模型信息泄露和半诚实的服务器推测用户信息，利用CKKS同态加密方案对模型参数进行加密，并采用双服务器架构。本发明克服了标签噪声、非独立同分布数据和中毒攻击对模型性能的影响。

公开(公告)号：CN117082496A

公开(公告)日：2023-11-17

申请号：CN202310828859.0

申请日：2023-07-07

Applicant: 西北农林科技大学

Inventor： 孙红光 ,  周文强 ,  王晨 ,  张宏鸣 ,  李书琴 ,  徐超 ,  景旭 ,  吕志明 ,  刘敬敏

IPC: H04W12/03 ,  G06N20/20 ,  H04W12/06 ,  H04W12/121 ,  H04W12/122 ,  H04L9/00

Abstract: 本发明属于无线通信技术领域，公开了一种恶意和低质量用户场景下安全无线联邦学习方法及系统，可以抵御恶意用户和低质量用户对全局模型性能的消极影响，包括四个阶段：鉴别阶段，通过比较用户的模型与全局模型的余弦相似性，对用户的信用进行评估；重标签阶段：利用全局模型的预测结果对低质量用户本地数据集进行数据清洗；二次鉴别阶段：对第一次鉴别阶段筛选出的恶意用户集进行第二轮信用评估，筛选其中的低质量用户；常规训练阶段，调度良性用户进行全局模型聚合。为防止用户模型信息泄露和半诚实的服务器推测用户信息，利用同态加密技术对模型参数进行加密，并采用双服务器架构。本发明克服了低质量用户和恶意用户对模型性能的影响。