一种在联邦学习系统中进行模型隐私保护的方法及系统

AITNT
正文
推荐专利
一种在联邦学习系统中进行模型隐私保护的方法及系统
申请号:CN202411086837
申请日期:2024-08-08
公开号:CN118981792A
公开日期:2024-11-19
类型:发明专利
摘要
本发明属于计算机应用技术领域,公开了一种在联邦学习系统中进行模型隐私保护的方法及系统,该系统包含:参与方,负责在本地使用隐私数据进行模型训练,并将训练好的模型进行加密后上传至聚合服务器;聚合服务器,负责接收来自各参与方上传的加密模型,并对这些模型进行聚合处理;密钥服务器,负责生成并分发密钥给参与方,以便参与方解密下载的聚合后的模型,其中,模型加密采用的是改进的分布式ElGamal密码系统Improved Distributed ElGamal Cryptosystem(IDEC)算法,以确保模型信息在整个学习系统中的安全和隐私。
技术关键词
联邦学习系统 密钥服务器 解密密钥 加密系统 隐私数据保护 密码系统 隐私数据信息 算法 密钥管理方法 隐私保护方法 解密方法 模型更新 公钥 查表法 私钥
系统为您推荐了相关专利信息
1
一种基于区块链和边缘计算的医疗数据共享及访问控制方法
布隆过滤器 医院 访问控制策略 访问控制方法 数据访问
2
一种基于人工智能的用户隐私数据安全防护系统
数据安全防护系统 子模块 数据分布 数据访问控制 策略
3
卫星通信管理系统及电子设备
地面站 密钥管理系统 加密系统 逻辑 解密单元
4
一种基于ShapDiv的自适应加权联邦学习方法
客户端 联邦学习方法 模型更新 联邦学习系统 联邦学习技术
5
一种基于强化学习的事件触发式的加密方法
加密策略 加密数据 加密方法 明文 数据安全
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号