申请/专利权人：浙江大学杭州国际科创中心

申请日：2023-12-27

公开（公告）日：2024-04-16

公开（公告）号：CN117892340A

主分类号：G06F21/62

分类号：G06F21/62;G06F21/71;G06N3/098

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开一种基于特征一致性的联邦学习攻击检测方法、系统及装置，方法包括：基于提取符号向量、排序向量、分类器向量及特征提取器向量；进行局部一致性检测，得到局部异常分数，判断与预设局部一致性分数阈值的关系，得到客户端局部检测结果；进行任务一致性检测，得到任务相似性分数，判断与预设任务一致性条件的关系，得到客户端任务检测结果；获取特征提取器向量的数据一致性，判断数据域距离与预设数据一致性条件的关系，得到客户端数据检测结果；剔除恶意客户端，通过良性客户端对客户端梯度更新进行分析处理。本发明方法对梯度更新特征进行分析，解决了现有联邦学习攻击检测方法中检测种类单一且联邦学习所得全局模型准确性降低的问题。

主权项：1.一种基于特征一致性的联邦学习攻击检测方法，其特征在于，包括以下步骤：基于客户端进行梯度更新解耦合，提取符号向量、排序向量、分类器向量及特征提取器向量；对符号向量、排序向量及分类器向量进行局部一致性检测，得到局部异常分数，判断局部异常分数与预设局部一致性分数阈值的关系，得到客户端局部检测结果；对特征提取器向量进行任务一致性检测，得到任务相似性分数，判断任务相似性分数与预设任务一致性条件的关系，得到客户端任务检测结果；获取特征提取器向量的数据一致性，得到数据域距离，判断数据域距离与预设数据一致性条件的关系，得到客户端数据检测结果；基于客户端局部检测结果、客户端任务检测结果及客户端数据检测结果剔除恶意客户端，通过良性客户端对客户端梯度更新进行分析处理。

全文数据：

权利要求：

百度查询： 浙江大学杭州国际科创中心 基于特征一致性的联邦学习攻击检测方法、系统及装置

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