申请/专利权人:华南理工大学
申请日:2023-06-30
公开(公告)日:2024-04-16
公开(公告)号:CN116828453B
主分类号:H04W12/02
分类号:H04W12/02;H04W12/03;H04W12/10;H04W12/122;H04L67/10;G06F21/60;G06N3/04;G06N3/098
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2023.10.24#实质审查的生效;2023.09.29#公开
摘要:本发明公开了一种基于自适应非线性函数的无人机边缘计算隐私保护方法,涉及无人机及网络与信息安全领域,所述方法包括:每个无人机在加入训练后,构建自适应非线性加密函数;每个无人机利用所述自适应非线性加密函数,对本轮训练本地模型得到的梯度进行加密,得到加密梯度,并上传给关联的基站;每个基站对关联的每个无人机本轮上传的加密梯度进行梯度异常检测,并将梯度异常检测结果上传至区块链;所述区块链根据每个无人机的梯度异常检测结果,对加密梯度进行安全聚合,得到全局梯度,以供每个无人机获取并利用所述全局梯度进行本地模型更新。本发明能够有效应对无人机发生隐私泄露问题,且有效甄别可信本地节点以及抵挡恶意攻击。
主权项:1.一种基于自适应非线性函数的无人机边缘计算隐私保护方法,其特征在于,所述方法包括:每个无人机在加入训练后,构建基于本地模型的共享网络层的自适应参数的自适应非线性加密函数;每个无人机利用所述基于本地模型的共享网络层的自适应参数的自适应非线性加密函数,对本轮训练本地模型得到的梯度进行加密,得到加密梯度,并将所述加密梯度上传给关联的基站;每个基站对关联的每个无人机本轮上传的加密梯度进行梯度异常检测,并将关联的每个无人机的梯度异常检测结果上传至区块链;所述区块链在收到关联的基站上传的梯度异常检测结果后,根据每个无人机的梯度异常检测结果,对加密梯度进行安全聚合,得到全局梯度,以供每个无人机获取并利用所述全局梯度进行本地模型更新;其中,所述构建基于本地模型的共享网络层的自适应参数的自适应非线性加密函数包括:根据每个共享网络层的自适应参数,构建每个共享网络层对应的自适应非线性加密函数,其中,第k个共享网络层对应的自适应非线性加密函数fk|s表示为: s是各共享网络层对应的自适应参数集合α1,…αN;N表示共享的总层数;αk表示第k个共享网络层的自适应参数,初始值为1,随本地模型的训练过程动态变化直至收敛。
全文数据:
权利要求:
百度查询: 华南理工大学 基于自适应非线性函数的无人机边缘计算隐私保护方法
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。