一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法.pdfVIP

下载本文档

0
0
约9.85千字
约 8页
2023-07-01 发布于四川
举报
版权申诉

一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法.pdf

1、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。。
2、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。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

本发明提供了一种去中心化的基于差分隐私的电力数据联邦学习隐私计算保护方法,该方法由模型初始化、模型训练和模型加噪以及个性化模型生成三个步骤构成。在模型初始化步骤,对各个参与者定义本地初始化模型；在模型训练和模型加噪步骤,利用本地数据集对各个参与者的模型进行训练,对训练好的模型添加满足差分隐私条件的基于高斯机制的噪声,并通过区块链交易将模型发给其余参与者；在个性化模型生成步骤,各个参与者将本地模型和其余参与者的模型通过参数相关度进行聚合,最后生成本地个性化模型。该方法表明,差分隐私能在有效防止攻击

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116361855 A (43)申请公布日 2023.06.30 (21)申请号 202310319698.2 (22)申请日 2023.03.29 (71)申请人国网安徽省电力有限公司信息通信