物联网中多密钥同态加密的联邦学习隐私保护方法OA北大核心CSTPCD
A Federated Learning Privacy Protection Method for Multi-key Homomorphic Encryption in the Internet of Things
借助联邦学习,多个分布式物联网设备可在不泄露原始数据前提下通过传输模型更新共同训练全局模型.然而,联邦学习系统易受模型推理攻击的影响,导致系统鲁棒性和数据隐私性受损.针对现有联邦学习方案无法实现对共享梯度的机密性保护以及难以抵抗客户端和服务器发起的共谋攻击等问题,提出一种物联网中多密钥同态加密的联邦学习隐私保护方法.该方法利用多密钥同态加密实现了梯度更新机密性保护,首先通过采用代理重加密技术,将不同公钥下的密文转换为公共密钥下的加密数据,确保云服…查看全部>>
With federated learning,multiple distributed IoT devices can jointly train a global model by updating the transmission model without leaking raw data.However,federated learning systems are susceptible to model inference attacks,resulting in compromised system robustness and data privacy.A federated learning privacy protection method for multi-key homomorphic encryption in the Internet of Things is proposed to address the issues of existing federated learning…查看全部>>
管桂林;支婷;陶政坪;曹扬
中电科大数据研究院有限公司 贵阳 550022||提升政府治理能力大数据应用技术国家工程研究中心 贵阳 550022中电科大数据研究院有限公司 贵阳 550022||提升政府治理能力大数据应用技术国家工程研究中心 贵阳 550022中电科大数据研究院有限公司 贵阳 550022||提升政府治理能力大数据应用技术国家工程研究中心 贵阳 550022中电科大数据研究院有限公司 贵阳 550022||提升政府治理能力大数据应用技术国家工程研究中心 贵阳 550022
计算机与自动化
联邦学习物联网代理重加密多密钥同态加密隐私保护抗合谋攻击
federated learningInternet of thingsproxy re-encryptionmulti-key homomorphic encryptionprivacy protectionresist collusion attacks
《信息安全研究》 2024 (10)
958-966,9
国家重点研发计划项目(2023YFC3806001)贵州省科技支撑计划项目(2023MA6DN7B8X22057)海南省重大科技计划项目(ZDKJ2021051)贵州省高层次创新型人才项目(黔科合平台人才-GCC[2023]105)
评论