摘要
本发明公开了基于机器学习的数据安全保护系统及教育数据安保方法,涉及数据保护领域,本发明通过从当前联邦学习模型中教育数据的安全风险以及总耗时两个方面对当前联邦学习模型进行优化,提高了教育数据的安全性以及全局模型的训练和测试效率;其中,通过建立每次传输的模型参数的个数与教育数据泄漏的风险等级之间的映射模型,为后续对当前联邦学习模型中每个终端用户传输的模型参数的个数进行迭代调整提供了优化依据;再通过建立传输的参数个数、分配给解密以及模型训练的线程数与整体耗时之间的映射模型,并基于此该映射模型为后续对当前联邦学习模型中解密以及训练的效率与分配给对应的线程数进行迭代调整提供了优化依据。
技术关键词
数据泄漏风险
数据安保方法
数据安全保护系统
解密
参数
联邦学习模型
蝗虫
服务器
矩阵
分类模型训练
联邦模型
数据获取模块
加密
数据保护
数据采集模块
算法