Invention Publication
- Patent Title: 基于秘密共享和同态加密的多服务器联邦学习方法
-
Application No.: CN202310820480.5Application Date: 2023-07-05
-
Publication No.: CN116865938APublication Date: 2023-10-10
- Inventor: 赵丽 , 张学旺 , 杨鑫
- Applicant: 重庆邮电大学
- Applicant Address: 重庆市南岸区黄桷垭崇文路2号
- Assignee: 重庆邮电大学
- Current Assignee: 重庆邮电大学
- Current Assignee Address: 重庆市南岸区黄桷垭崇文路2号
- Agency: 北京同恒源知识产权代理有限公司
- Agent 方钟苑
- Main IPC: H04L9/00
- IPC: H04L9/00 ; H04L9/08 ; H04L9/40 ; G06N3/0464 ; G06N3/08
Abstract:
本发明涉及一种基于秘密共享和同态加密的多服务器联邦学习方法，属于信息安全技术领域，针对多服务器多客户端的复杂联邦学习应用，包括初始化阶段、模型训练阶段、模型聚合阶段和模型更新阶段。通过利用Shamir秘密共享算法分割梯度，使用Elgamal同态加密算法对分割的梯度进行加密，保护了梯度的隐私并增强了方案的鲁棒性；还设计了一种梯度稀疏算法，以此过滤偏离全局收敛的不相关梯度，减少了通信开销。
Information query
