基于孤立森林的联邦学习中毒攻击的防御方法
公开
摘要
本发明公开了一种基于孤立森林的联邦学习中毒攻击的防御方法，包括如下步骤：用干净公开数据集构建验证模型并对验证模型参数注入扰动；在联邦学习的每个迭代中采样上传各个节点更新好的模型参数，将前者和经过扰动处理的验证模型参数形成特征矩阵；使用孤立森林来划分特征矩阵的数据空间，并计算出每个参与者的异常概率分数；根据验证模型的分数在所有上传模型的分数的分布，不断调整阈值，以排除攻击者，并尽量减少防御模型对良性用户的影响。该方法可以自动防御中毒攻击，通过调整预先训练好的验证模型，显著提升联邦学习的鲁棒性，确保联邦学习全局模型的正常训练。
基本信息
专利标题 ：
基于孤立森林的联邦学习中毒攻击的防御方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565106A
申请号 ：
CN202210203687.3
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-02
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘鹏黄丝曼李先贤王利娥
申请人 ：
广西师范大学
申请人地址 ：
广西壮族自治区桂林市七星区育才路15号
代理机构 ：
桂林市华杰专利商标事务所有限责任公司
代理人 ：
陆梦云
优先权 ：
CN202210203687.3
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06K9/62 H04L9/40
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
2022-05-31 ：
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
