申请/专利权人：国网江苏省电力有限公司信息通信分公司

申请日：2023-05-23

公开（公告）日：2024-03-19

公开（公告）号：CN116614273B

主分类号：H04L9/40

分类号：H04L9/40;H04L9/08;H04L67/104;G06N3/044;G06N3/098;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.09.05#实质审查的生效;2023.08.18#公开

摘要：本发明提出一种基于CP‑ABE的对等网络中联邦学习数据共享模型及其构建方法，该模型包括参与方、访问控制模块和联邦学习模块；该方法包括：1）创建访问控制树，基于属性加密技术，采用结合随机多项式的门限访问策略筛选参与方；2）参与方使用私钥和解密公式解密密文，取得含有初始训练任务及训练参数的明文，参与方加入循环队列，构建对等网络；3）在对等网络结构下，组建参与方组成的循环队列，确定联邦学习中训练参数的传递方向，构建联邦学习训练架构；4）启动联合训练，在对等网络中采用参数传递运算评测方式进行模型及参数更新，使模型达到收敛标准；5）设置最佳模型参数，预测测试数据，观测预测精度及评估指标，评估共享模型的性能。

主权项：1.一种基于CP-ABE的对等网络中联邦学习数据共享系统，其特征在于，包括参与方、访问控制模块和基于对等网络的联邦学习模块；所述参与方具体为想加入到联邦学习训练计划中进行协同共享的参与者；参与方在访问控制模块的密钥管理中心注册，具有合法加入资格的参与方拥有一组解密密钥，具有合法加入资格的参与方加入联邦学习训练计划时，用解密密钥解锁访问树的根节点，通过访问策略的参与方解密密文，获得本次训练任务及各项参数，然后加入训练管理队列，组建对等网络，参与联邦学习；所述访问控制模块用于密钥的分发与管理、访问控制树的创建、对任意参与方的核实与认证、存储带有训练任务及参数的密文以及管理由多个参与方组成的加入对等网络中的训练队列；所述访问控制模块通过访问策略筛选参与方的具体过程为：创建访问控制树，基于属性加密技术，采用结合随机多项式的门限访问策略筛选参与方；所述访问控制树包括阈值节点和属性节点，阈值节点的阈值u,v表示u个节点中至少含有v个节点的秘密值才能求解该阈值节点；所述属性加密技术具体过程如下：定义属性集合，创建公私密钥对，发布公钥，公式表示如下：Setup1λ,U→PK,MSKPK:G,g,eg,gα,gβMSK:gα,β其中，Setup表示初始化函数，λ表示安全系数，U表示系统属性集合，PK表示公钥，MSK表示系统主私钥，G表示双线性群，g表示生成元，eg,g表示双线性函数，α,β,r表示随机数；对通过注册的合法参与方秘密发送私钥组件： SK'S表示私钥组件，D表示该使用者私钥中的部分密钥，S表示当前用户的属性集，DjD'j表示每个属性对应的一对值；H表示哈希函数，attj表示节点j的属性；对含有训练任务及参数要求的明文加密，生成密文： 式中，CT表示密文，A'表示访问结构，和C表示密文的一部分，M表示明文消息，e表示双线性函数，t表示随机值，x表示系统属性集合中的任意属性，U表示系统属性集合，Cx和C′x表示访问树中每个叶节点计算出的一对密文组件，qx0表示节点x的秘密值；所述采用结合随机多项式的门限访问策略筛选参与方具体为：对于每个阈值节点，构造一个随机多项式，使用Shamir的秘密分享方法逐层分发加密密钥直至分发到叶节点；参与方访问时，若参与方的属性秘钥组件自底向上层层运算，能够得到根节点秘密，再得到解密密钥，那么该参与方筛选通过，获得访问策略认证；所述随机多项式的个数由访问控制树中的阈值节点个数决定，而每个随机多项式的项数由阈值节点的阈值u,v中的v决定；所述基于对等网络的联邦学习模块用于参与方部署本地的BP神经网络模型，参与联邦学习，在循环队列中反复训练本地数据使模型达到收敛标准。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司信息通信分公司 基于CP-ABE的对等网络中联邦学习数据共享系统及模型构建方法

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