申请/专利权人：北京理工大学

申请日：2023-09-25

公开（公告）日：2024-01-09

公开（公告）号：CN117371052A

主分类号：G06F21/64

分类号：G06F21/64;G06F21/62;G06F21/16;G06F21/31

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明涉及一种基于二叉线性树承诺的分布式学习所有权保护方法，属于计算机分布式学习与数据安全保护技术领域。首先，验证者将任务分解成多个子任务，每个证明者在本地执行若干计算，并将其结果发送给验证者进行模型参数的聚合和更新。证明者每轮计算的模型中间参数构成一个向量，证明者对该向量做承诺保证计算完整性。在每轮训练迭代的过程中，证明者根据更新的模型参数更新相应的证明和承诺。验证者通过证明者提供的承诺和聚合证明验证证明者的计算完整性，确保了模型所有权。本方法实现了可聚合且可维护的高效承诺，同时不会泄露具体的模型参数信息，实现了模型参数隐私保护，同时不会影响分布式学习流程的运行有效性。

主权项：1.一种基于二叉线性树的分布式学习所有权保护方法，其特征在于，包括分布式学习模型训练、证明者承诺生成、证明者承诺更新和验证者承诺验证；步骤1：验证者将任务分解成多个子任务，每个证明者在本地执行若干计算，并将其结果发送给验证者进行模型参数的聚合和更新；步骤2：证明者每轮计算的模型中间参数构成一个向量，证明者对该向量做承诺保证计算完整性；步骤2.1：证明者使用基于二叉线性树的向量承诺算法，输入安全参数和向量长度，并且生成公共参数；步骤2.2：证明者随机生成一个密钥对，包括一个私有水印秘钥和一个公共验证秘钥；步骤2.3：证明者通过公共参数和私有水印秘钥生成一个水印公共参数；步骤2.4：证明者通过水印公共参数生成模型中间参数的承诺，该承诺带有通过私有水印秘钥生成的水印；向量中每一个位置的模型参数都对应一个带水印的证明，这些证明都是证明者生成的；步骤2.5：证明者将多个独立的模型参数和与其对应的证明聚合成一个证明，该聚合后的证明用来验证模型中间参数向量的正确性和完备性；步骤3：在每轮训练迭代的过程中，证明者根据更新的模型参数更新相应的证明和承诺；步骤4：验证者通过证明者提供的承诺和聚合证明，验证证明者的计算完整性，确保模型所有权。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于二叉线性树承诺的分布式学习所有权保护方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD