[发明专利]一种横向联邦学习系统防御方法

摘要

本发明公开了一种横向联邦学习系统防御方法，包括以下步骤：步骤1，输入:梯度集{gi(t)}n i＝1，梯度模的下界L，上界R，统计抽样比例β，抽样维度数a，输出:聚合梯度gˉ(t)，初始化:计算每个梯度gi(t)的模{∥gi(t)∥}n i＝1；步骤2，基于梯度模的过滤：计算梯度模的中值M＝median{∥gi(t)∥2}n i＝1，将满足L≤∥g(t)i∥2M≤R的梯度加入到集合S1中。本发明提供一种横向联邦学习系统防御方法，通过计算梯度之间的符号统计信息、余弦分数以及异常分数作为Mean‑Shift聚类特征，然后利用Mean‑Shift聚类算法不需要指定聚类个数的特点进行聚类，从中选择具有最多元素的簇作为最终可信集合，有效防御非定向模型投毒攻击，提高联邦学习系统的防御有效性。