一种基于零知识证明的隐私保护与可验证的联邦学习方法.pdfVIP

下载本文档

82
0
约1.81万字
约 12页
2023-05-18 发布于北京
举报
版权申诉

一种基于零知识证明的隐私保护与可验证的联邦学习方法.pdf

1、本文档共12页，其中可免费阅读11页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法，属于人工智能机器学习技术领域，包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术，在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求，支持对任意训练过程的证明，使得联邦学习具有可验证和隐私保护的性质，提高了联邦学习的安全性。同时，本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法，将复杂的

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114841363 A (43)申请公布日 2022.08.02 (21)申请号 202210374786.8 (22)申请日 2022.04.11 (71)申请人北京理工大学地址 100081