摘要
本发明公开一种基于可信加密机制和异常检测的数据安全防护方法,分为四个步骤对数据进行安全防护:首先是使用基于数据分布特征的数据异常检测,初步筛选异常数据;然后基于同态加密和差分隐私的原始数据可信加密机制,保障数据安全与隐私;再通过参数加密和可信聚合的联邦学习模型共享数据;最后通过基于恶意分数的联邦学习后门检测算法剔除恶意的参数更新。通过以上步骤,可以实现对数据进行安全与隐私防护,同时有效的保障用户数据高效共享。
技术关键词
联邦学习模型
数据安全防护方法
差分隐私
加密
统计特征提取
数据分布特征
样本
协方差矩阵
指标
保障数据安全
机制
参数
深度学习模型
生成噪声
定义
解密方法
服务器
生成密钥
系统为您推荐了相关专利信息
多源异构大数据
大数据治理装置
对齐模块
区块链存证
术语
门槛
控制中心
发电机组控制系统
通信线路
可调负荷
营业厅
扩展现实技术
产品推荐方法
机器学习模型
兴趣