原创力文档- 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
查看更多
本发明属于梯度泄露场景下联邦学习隐私保护技术领域，公开一种基于噪声分配的安全联邦学习方法和系统，该方法根据梯度信息的不同层之间性质的差异向梯度信息的卷积层添加零和噪声，向梯度信息的全连接层添加差分隐私噪声；同时通过评估每个客户端本地训练的模型数据分布的方差，获得每个客户端的隐私泄露权重，根据隐私泄露权重的大小向客户端分配不同强度的零和噪声。本发明充分利用了梯度信息的卷积层，通过向梯度的卷积层添加噪声模型来提高梯度对泄露攻击抵御能力，同时不会影响联邦学习训练精度；本发明还引入了基于隐私泄露权重的噪
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117668882A
(43)申请公布日2024.03.08
(21)申请号202311699247.2
(22)申请日2023.12.12
(71)申请人河南大学
文档评论（0）