一种用于移动场景中联邦学习模型的攻击检测与抵御方法

本发明涉及联邦学习模型可靠训练和安全聚合技术领域，尤其涉及一种用于移动场景中联邦学习模型的攻击检测与抵御方法，包括：利用区块链存储设备信息，服务器在与设备无接触的情况下完成联邦学习用户的选择；设备利用零知识证明方法判断收到的训练任务的真实性；设备利用证明密钥对本地模型进行加密传输，抵御模型参数推理攻击；区块链利用验证密钥和佩德森承诺对本地模型的有效性进行验证，从而实现联邦学习全局模型的安全聚合。本发明具有攻击检测速度快、所需通信和计算资源少、算法复杂度低的特点。