公开(公告)号：CN116523074A

公开(公告)日：2023-08-01

申请号：CN202310550345.3

申请日：2023-05-16

Applicant: 许昌学院

Inventor： 陈艳格 ,  冯战申 ,  马慧 ,  何浩北 ,  李文凯

IPC: G06N20/00 ,  G06F21/62 ,  G06F21/60 ,  G06N3/08 ,  G06N3/0464 ,  H04L9/00 ,  H04L9/08

Abstract: 发明涉及信息安全技术领域，具体涉及一种动态化公平性的隐私保护联邦深度学习方法。边缘设备进行数据采集、数据预处理及本地模型训练后获得权重矩阵；对权重矩阵进行加密得到密文权重矩阵并发送到参数服务器；参数服务器使用联邦和优化算法计算获得安全联邦和，然后发送给边缘设备，边缘设备对密文权重矩阵的安全联邦和进行解密从而获取联邦平均矩阵；使用本地的卷积神经网络进行迭代训练获得更新后的权重并加密，然后再发送给参数服务器，经过反复训练直至输出密文权重矩阵的最优安全联邦和，获取最优联邦平均矩阵进行数据预测。本发明能够降低联邦学习的通信代价，实现用户动态更新的同时保证用户数据质量的公平性。