一种联邦学习下数据源隐私属性推断攻击方法
实质审查的生效
摘要
本发明涉及数据安全，具体涉及一种联邦学习下数据源隐私属性推断攻击方法，在本地根据已有的算力和数据资源训练影子模型，基于影子模型进行主动攻击和被动攻击的攻击训练数据准备，根据积累的攻击训练数据在本地训练元模型，通过元模型在新的迭代轮次中实施推断攻击；本发明提供的技术方案能够有效克服现有技术所存在的不能在缺乏推断目标真实数据的情况下进行有效推断攻击的缺陷。
基本信息
专利标题 ：
一种联邦学习下数据源隐私属性推断攻击方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114266359A
申请号 ：
CN202111582624.5
公开（公告）日 ：
2022-04-01
申请日 ：
2021-12-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
许明雪许广德许明阳
申请人 ：
安徽兰科智能科技有限公司
申请人地址 ：
安徽省合肥市中国（安徽）自由贸易试验区合肥市高新区创新大道2800号创新产业园二期J1楼A座1008-1室
代理机构 ：
合肥律众知识产权代理有限公司
代理人 ：
朱波
优先权 ：
CN202111582624.5
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06N20/10 G06N3/08 G06N3/04 G06F21/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-04-19 ：
实质审查的生效
IPC(主分类) : G06N 20/00
申请日 : 20211222
申请日 : 20211222
2022-04-01 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
