- 1、本文档共12页,其中可免费阅读11页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于对比学习的联邦学习后门防御方法及系统,本发明方法中,服务器收集各参与方上传的本地模型,并进行模型聚合,聚合完成后,将聚合所得的模型作为下一轮的全局模型,下发至各参与方;各参与方下载全局模型,并利用本地数据基于熵最大化的生成模型训练后门触发器生成器;各参与方利用训练完成的生成器生成后门触发器,以本地训练数据为输入,将生成的后门触发器添加至正常样本进行数据增强,将全局模型作为在线编码器,上一轮本地模型作为动量编码器进行对比训练,将后门模型的对后门数据的特征表示指向干净模型的特征表
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117422130A
(43)申请公布日2024.01.19
(21)申请号202311425216.8
(22)申请日2023.10.30
(71)申请人扬州大学
文档评论(0)