公开(公告)号：CN116488906A

公开(公告)日：2023-07-25

申请号：CN202310457821.7

申请日：2023-04-25

Applicant: 重庆邮电大学

Inventor： 王卓彤 ,  杨志刚 ,  吴大鹏 ,  张鸿 ,  王汝言 ,  吕翊

IPC: H04L9/40 ,  H04L9/00 ,  H04L9/08 ,  H04L67/10 ,  H04L67/12 ,  G06F18/214

Abstract: 本发明涉及一种安全高效的模型共建方法，属于人工智能领域。该方法包括：区域划分：每个边缘服务器根据其范围覆盖能力划分负责管理的区域；系统初始化：初始化全局模型和密钥生成；本地模型训练：根据设备本地数据计算模型更新，并对梯度信息进行扰动回传；边缘安全鲁棒聚合：设计通信高效的安全增强聚合协议，以支撑基于扰动梯度的异步分组鲁棒聚合算法的实现；云全局模型聚合包括：接收各个边缘服务器返回的局部模型聚合结果，执行联邦平均算法进行全局模型聚合。本发明可有效提高客户端存在设备异构和资源受限情况下，全局模型的鲁棒性和安全性。

公开(公告)号：CN116707861A

公开(公告)日：2023-09-05

申请号：CN202310457827.4

申请日：2023-04-25

Applicant: 重庆邮电大学

Inventor： 吕翊 ,  王卓彤 ,  吴大鹏 ,  王汝言 ,  杨志刚 ,  张普宁 ,  张鸿

IPC: H04L9/40 ,  H04L9/08 ,  H04L9/00 ,  H04L67/10 ,  H04L67/12 ,  G06F21/62 ,  G06F21/60 ,  G06F18/214 ,  G06F18/22 ,  G06N20/00

Abstract: 本发明涉及一种安全鲁棒的特征联合方法，属于人工智能领域。该方法包括：边缘区域划；系统初始化：初始化全局模型、密钥生成和执行协议的关键参数；设备数据均衡：收集设备的数据分布，参考全局数据分布生成每个类的采样方式为增强采样或降采样，并设置增强采样和降采样的样本比例；本地模型训练：根据每个类归属于少数类集合或多数类集合，采取相应的采样策略执行随机梯度下降算法，并对梯度信息进行秘密共享；边缘安全鲁棒聚合：设计轻量的安全聚合协议以支撑基于梯度秘密值的鲁棒聚合算法的实现；云全局模型聚合：接收各边缘服务器返回的局部模型聚合结果，采用联邦平均算法进行全局模型聚合。本发明提高联邦学习全局模型的鲁棒性和安全性。