基于注意力和孤立森林的联邦学习防御方法研究.pdf

广西师范大学硕士研究生学位论文 目录 摘要I Abstract II 1 1 第 章绪论 1.1 研究的背景与意义 1 1.2 研究的现状与分析2 1.2.1 针对联邦学习的中毒攻击方法2 1.2.2 联邦学习中毒攻击的防御方法 3 1.3 本文的主要工作 6 1.4 论文内容安排 7 第2章相关技术概述 8 2.1 联邦学习概述 8 2.1.1 联邦学习的分类 8 2.1.2 联邦学习框架 13 2.2 异常检测技术概述 14 2.3 注意力机制 15 2.4 本章小结 16 3 17 第 章基于孤立森林的联邦学习防御方法 3.1 联邦学习中毒攻击的问题描述 17 3.2 问题定义 18 3.3 防御算法 19 3.3.1 防御模型的总体框架 19 3.3.2 计算异常概率2 1 3.3.3 设置阈值26 3.4 算法分析28 3.5 实验与分析29 3.5.1 实验设置 30 3.5.2 模型中毒攻击的影响 32 3.5.3 算法的防御效果比较 34 3.6 本章小结 39 4 40 第 章基于注意力机制和孤立森林双重检测的联邦学习防御方法 4.1 联邦聚合策略的问题分析40 4.2 防御算法4 1 4.2.1 防御模型的总体框架4 1 4.2.2 基于重构的特征选择方法43 4.2.3 基于注意力机制的防御方法46 4.3 算法分析48 4.4 实验与分析48 4.4.1 实验设置49 IV 广西师范大学硕士研究生学位论文 4.4.2 对比实验 50 4.5 本章小结 52 第5章总结与展望 53 5.1 全文总结 53 5.2 未来工作 53 参考文献 55 攻读硕士学位期间的研究成果61 致谢 论文独创性声明 论文使用授权声明 V 广西师范大学硕士研究生学位论文 第1 章绪论 1.1 研究的背景与意义 随着信息技术的发展，数据越来越成为一种极具价值的资产，然而不同企业或 组织之间甚至企业内部的各个部门之间的数据各自储存，无法互通，如同一个个孤 岛。各个部门或者组织进行信息化建设需要大量的有效数据，一些小体量的组织或 个人并没有时间和能力去收集足够进行机器学习建模和分析的数据量，因此，打破 数据孤岛进行合作研究成为了当务之急。另一方面，由于数据分析技术的日益强 大，人们的数据越来越可能被推断出隐私信息，例如用户的健康隐私、企业的商业 策略隐私，企业收集数据后若发生隐私泄露问题，将会直接影响到企业形象和商业 运作，造成无法挽回的损失。在以往的研究工作中，通常采用集中式训练模型，也 就是将所有数据储存在一个可信的服务器，然而，这个过程有数