面向Non-IID数据的拜占庭鲁棒联邦学习

TN92; 面向数据分布特征为非独立同分布的联邦学习拜占庭节点恶意攻击问题进行研究,提出了一种隐私保护的鲁棒梯度聚合算法.该算法设计参考梯度用于识别模型训练中"质量较差"的共享梯度,并通过信誉度评估来降低数据分布异质对拜占庭节点识别的影响.同时,结合同态加密和随机噪声混淆技术来保护模型训练和拜占庭节点识别过程中的用户隐私.最后,在真实数据集中进行仿真测试,测试结果表明所提算法能够在保护用户隐私的条件下,准确、高效地识别拜占庭攻击节点,具有较好的收敛性和鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 6; pp. 138 - 153
Main Authors 马鑫迪, 李清华, 姜奇, 马卓, 高胜, 田有亮, 马建峰
Format Journal Article
LanguageChinese
Published 西安电子科技大学网络与信息安全学院,陕西 西安 710071%中央财经大学信息学院,北京 100081%贵州大学计算机科学与技术学院,贵州 贵阳 550025 25.06.2023
Subjects
homomorphic encryption
非独立同分布
privacy protection
Non-IID
拜占庭攻击
联邦学习
隐私保护
同态加密
Byzantine attack
federated learning
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023115

Cover

More Information
Summary:TN92; 面向数据分布特征为非独立同分布的联邦学习拜占庭节点恶意攻击问题进行研究,提出了一种隐私保护的鲁棒梯度聚合算法.该算法设计参考梯度用于识别模型训练中"质量较差"的共享梯度,并通过信誉度评估来降低数据分布异质对拜占庭节点识别的影响.同时,结合同态加密和随机噪声混淆技术来保护模型训练和拜占庭节点识别过程中的用户隐私.最后,在真实数据集中进行仿真测试,测试结果表明所提算法能够在保护用户隐私的条件下,准确、高效地识别拜占庭攻击节点,具有较好的收敛性和鲁棒性.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023115