[发明专利]一种联邦学习方法、装置、设备及存储介质

权利要求书

1.一种联邦学习方法，其特征在于，包括：

参与者获取第一训练样本数据集；所述第一训练样本数据集中不同样本类别之间的标签相互正交；

所述参与者将所述第一训练样本数据集中的训练样本输入到预设的编码器进行结果诱导训练，得到训练好的编码器；

所述参与者将新的样本数据输入到所述训练好的编码器中进行识别，确定所述新的样本数据为对抗攻击样本或正常样本。

2.如权利要求1所述的方法，其特征在于，所述参与者将所述第一训练样本数据集中的训练样本输入到预设的编码器进行结果诱导训练，得到训练好的编码器，包括：

所述参与者将所述第一训练样本数据集中的训练样本输入到所述预设的编码器，得到各个样本类别对应的编码；

所述参与者将所述各个样本类别对应的编码和标签的差值发送给协调者，以使所述协调者对所述多个参与者的多个样本类别中的同一样本类别的差值进行加权平均处理，得到所述各个样本类别的第一差值；

所述参与者获取所述协调者发送的所述各个样本类别的第一差值；

所述参与者使用所述各个样本类别的第一差值进行联邦学习训练，直到所述预设的编码器收敛为止，得到所述训练好的编码器。

3.如权利要求2所述的方法，其特征在于，所述参与者使用所述各个样本类别的第一差值进行联邦学习训练，直到所述预设的编码器收敛为止，得到所述训练好的编码器，包括：

所述参与者依次使用所述预设的编码器和预设的解码器对所述各个样本类别的第一差值进行处理，得到所述各个样本类别的解码数据；

所述参与者对所述各个样本类别的解码数据和所述各个样本类别的训练样本进行损失计算，确定出所述各个样本类别的解码数据和所述各个样本类别的训练样本的损失值；

所述参与者根据所述各个样本类别的解码数据和所述各个样本类别的训练样本的损失值以及所述各个样本类别的第一差值，更新所述预设的编码器和所述预设的解码器中的模型参数，直到所述预设的编码器和所述预设的解码器收敛为止，得到所述训练好的编码器和训练好的解码器。

4.如权利要求1所述的方法，其特征在于，所述参与者将新的样本数据输入到所述训练好的编码器中进行识别，确定所述新的样本数据为对抗攻击样本或正常样本，包括：

所述参与者将所述新的样本数据输入到所述训练好的编码器，得到所述新的样本数据的编码，并将所述新的样本数据的编码与所述各个样本类别的标签进行对比，确定所述新的样本数据为所述对抗攻击样本或所述正常样本。

5.如权利要求4所述的方法，其特征在于，所述将所述新的样本数据的编码与所述各个样本类别的标签进行对比，确定所述新的样本数据为对抗攻击样本或正常样本，包括：

所述参与者对所述新的样本数据的编码与所述各个样本类别的标签进行差异计算，确定出所述新的样本数据的编码与所述各个样本类别的标签的多个差异值；

若所述多个差异值均大于等于预设阈值，则确定所述新的样本数据为所述对抗攻击样本；

若所述多个差异值存在至少一个差异值小于所述预设阈值，则确定所述新的样本数据为所述正常样本。

6.如权利要求2所述的方法，其特征在于，在所述参与者将所述各个样本类别对应的编码和标签的差值发送给协调者之前，还包括：

所述参与者建立与所述协调者的通信通道；

所述参与者将所述各个样本类别对应的编码和标签的差值发送给协调者，包括：

所述参与者通过所述通信通道将所述各个样本类别对应的编码和标签的差值发送给所述协调者。

7.如权利要求1至6任一项所述的方法，其特征在于，所述第一训练样本数据集中的训练样本标记的样本类别与第二训练样本数据集中的训练样本标记的样本类别相同；所述第一训练样本数据集中样本类别标记的标签和所述第二训练样本数据集中样本类别标记的标签均为二值编码；所述第二训练样本数据集中样本类别之间的标签相互正交；所述第二训练样本数据集为其它参与者的训练样本数据集。