一种可防御后门攻击的联邦学习图像分类方法
实质审查的生效
摘要
本发明公开了一种可防御后门攻击的联邦学习图像分类方法，采用矩阵降维和聚类算法对Worker节点提交的梯度进行处理，最后选择正常的Worker节点提交的梯度参与聚合，从而完全避免了后门植入全局模型的可能性，此外，本发明所用的方法是一种无监督方法，适用于联邦学习场景，可广泛应用在联邦学习防御中，提高联邦学习的鲁棒性。
基本信息
专利标题 ：
一种可防御后门攻击的联邦学习图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114494771A
申请号 ：
CN202210036245.4
公开（公告）日 ：
2022-05-13
申请日 ：
2022-01-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
翟弟华王永康夏元清詹玉峰邹伟东刘坤戴荔吴楚格郭泽华李怡然张元张金会闫莉萍孙中奇崔冰高寒杨辰王力史运涛董哲
申请人 ：
北京理工大学;北方工业大学
申请人地址 ：
北京市海淀区中关村南大街5号
代理机构 ：
北京理工大学专利中心
代理人 ：
代丽
优先权 ：
CN202210036245.4
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/74 G06V10/762 G06V10/77 G06V10/82 G06K9/62 G06N3/08
法律状态
2022-05-31 ：
实质审查的生效
IPC(主分类) : G06V 10/764
申请日 : 20220110
申请日 : 20220110
2022-05-13 ：
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
