[发明专利]基于TrustZone的联邦学习方法在审
| 申请号： | 202310434220.4 | 申请日： | 2023-04-21 |
| 公开（公告）号： | CN116596089A | 公开（公告）日： | 2023-08-15 |
| 发明（设计）人： | 何道敬;徐浩天;朱珊珊;杜润萌 | 申请（专利权）人： | 华东师范大学;上海境山科技有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;H04L9/40;H04L9/08;G06F21/60;G06F21/62 |
| 代理公司： | 上海蓝迪专利商标事务所(普通合伙) 31215 | 代理人： | 徐筱梅;张翔 |
| 地址： | 200241 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于TrustZone的联邦学习方法，包括：在客户端上使用TrustZone进行本地训练，在服务器上使用TrustZone进行安全聚合，从而对敌手隐藏模型参数或者梯度更新，面对当前TrustZone有限的内存大小的挑战，联邦学习系统利用分层训练在可信区域内训练每个模型的层，直到其收敛；应对安全性数据传输，选取对称加密方法对客户端输出的数据进行加密，训练数据在TrustZone中进行加密后传输至服务端，在服务端聚合前于TrustZone中解密，聚合后在TrustZone中加密并传输至客户端，客户端再在TrustZone中解密后更新模型；使用差分隐私方法，对数据设置隐私参数，以保护隐私的方式向数据添加噪声，同时仍允许执行准确的分析。本发明有效提升了基于TrustZone的联邦学习系统的安全性。 | ||
| 搜索关键词： | 基于 trustzone 联邦 学习方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华东师范大学;上海境山科技有限公司，未经华东师范大学;上海境山科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310434220.4/，转载请声明来源钻瓜专利网。
