发明

一种联邦学习后门攻击防御方法及系统2026

2024-06-01 07:20:31 发布于四川 4
  • 申请专利号:CN202311611901.X
  • 公开(公告)日:2026-05-26
  • 公开(公告)号:CN118070278A
  • 申请人:重庆邮电大学
摘要:本发明涉及一种联邦学习后门攻击防御方法及系统,属于信息安全领域。该方法首先终端在执行本地训练前进行数据预处理操作,将数据从时域转换到频域,并设计低通滤波器过滤数据中由后门样本带来的高频信号;其次在服务器端检测恶意上传更新,计算预全局模型与本地模型间的余弦相似度,设置合适的阈值筛选恶意上传的本地模型更新;最后对剩余的非恶意上传更新执行全局聚合操作得到更新的全局模型,并结合差分隐私技术对得到的全局模型进行扰动。本发明充分考虑了后门攻击在不同位置进行攻击的情形,可以在减轻联邦学习后门攻击的同时不影响模型在良性数据上的表现性能,解决了联邦学习的后门攻击防御问题。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 118070278 A (43)申请公布日 2024.05.24 (21)申请号 202311611901.X G06N 3/0464 (2023.01) (22)申请日 2023.11.29 (71)申请人 重庆邮电大学 地址 400065 重庆市南岸区黄桷垭崇文路2 号 (72)发明人 王豪 母雪姣 李开菊 张清华  夏英 张旭  (74)专利代理机构 北京同恒源知识产权代理有 限公司 11275 专利代理师 方钟苑 (51)Int.Cl. G06F 21/56 (2013.01) G06N 20/00 (2019.01) G06F 18/214 (2023.01) G06F 21/60 (2013.01) 权利要求书5页 说明书13页 附图3页 (54)发明名称 一种联邦学习后门攻击防御方法及系统 (57)摘要 本发明涉及一种联邦学习后门攻击防御方 法及系统,属于信息安全领域。该方法首先终端 在执行本地训练前进行数据预处理操作,将数据 从时域转换到频域,并设计低通滤波器过滤数据 中由后门样本带来的高频信号;其次在服务器端 检测恶意上传更新,计算预全局模型与本地模型 间的余弦相似度,设置合适的阈值筛选恶意上传 的本地模型更新;最后对剩余的非恶意上传更新 执行全局聚合操作得到更新的全局模型,并结合 差分隐私

最新专利