横向联邦学习系统的安全聚合方法OA北大核心CSTPCD
Secure Aggregation Scheme for Horizontal Fedetated Learning System
针对隐私保护的横向联邦学习系统提出了一种模型安全聚合方案.在横向联邦学习系统利用同态加密进行隐私保护的情况下,服务器可以准确检测拜占庭节点发起的模型投毒攻击,避免异常本地模型参与全局模型的聚合.实验结果表明,所提方案可以保证在系统中存在拜占庭节点发动模型投毒攻击的情况下得到安全聚合的和高准确度的全局模型,并且不会为联邦学习系统带来过多的计算和通信开销.
A secure model aggregation scheme for privacy-preserving horizontal federated learning system is proposed in this paper.When homomorphic encryption is used in a horizontal federated learning system for privacy protection,the aggregation server can accurately detect Byzantine participants and realize the secure aggregation of the global model.The experimental results show that the proposed scheme can obtain a global model with high accuracy when there are Byz…查看全部>>
黄秀丽;于鹏飞;高先周
国网智能电网研究院有限公司信息网络安全国网重点实验室,南京 210003国网智能电网研究院有限公司信息网络安全国网重点实验室,南京 210003国网智能电网研究院有限公司信息网络安全国网重点实验室,南京 210003
计算机与自动化
联邦学习安全聚合拜占庭攻击异常检测隐私保护
federated learningsecure aggregationByzantine attackanomaly detectionprivacy preserving
《计算机工程与应用》 2024 (14)
294-305,12
国家电网有限公司总部管理科技项目(5700-202190184A-0-0-00).
评论