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
本发明公开了一种抵御虚假数据注入攻击的韧性去中心化联邦学习方法，涉及去中心化联邦学习方法技术领域，在去中心化联邦学习的模型训练中，采用基于梯度下降的分布式优化方法，通过各个客户端与邻居客户端之间交换本地客户端模型训练的模型参数和用于追踪全局梯度的辅助状态变量，并利用所发明的客户端之间耦合权重自适应更新机制，更新耦合权重，进而迭代地识别并排除虚假数据注入攻击。基于更新后的耦合权重以及邻居客户端所发送的信息，各个本地客户端迭代地聚合更新本地模型参数，以获得最优模型参数。本发明解决了传统去中心化联邦学
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117829271A
(43)申请公布日2024.04.05
(21)申请号202410014891.X
(22)申请日2024.01.04
(71)申请人西北工业大学
地址710068
文档评论（0）