对FL高维稀疏Top-k梯度向量进行联合扰动的LDP方法
摘要文本
本发明涉及一种对FL高维稀疏Top‑k梯度向量进行联合扰动的LDP方法，包括以下步骤：S1.确定拓展后的α‑CLDP；S2.在m个本地梯度中，确定参考索引向量基于拓展后的α‑CLDP和Bayesian攻击模型，确定攻击策略基于确定隐私预算α；S3.客户端在m个本地梯度中选取绝对值最大的k个梯度，将k个梯度的索引值确定为索引向量J；S4.基于α和拓展后的α‑CLDP，对J进行扰动，得到扰动后的索引向量S5.根据扰动后的索引向量选取梯度向量g的符号值，得到并基于J和对进行处理，得到梯度向量S6.基于中心极限定理和ActiveAVG对进行聚合。本发明可以在保证FL高水平的隐私性前提下有效提高高维加噪Top‑k梯度聚合的准确率，进而增加模型的可用性，实现模型的准确性和隐私性之间最优的平衡。
申请人信息
- 申请人:河北大学
- 申请人地址:071002 河北省保定市五四东路180号
- 发明人: 河北大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 对FL高维稀疏Top-k梯度向量进行联合扰动的LDP方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311742393.9 |
| 申请日 | 2023/12/18 |
| 公告号 | CN117556470A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F21/62 |
| 权利人 | 河北大学 |
| 发明人 | 梁晓艳; 卢永伟; 杜瑞忠; 田俊峰 |
| 地址 | 河北省保定市五四东路180号 |
专利主权项内容
1.一种对FL高维稀疏Top-k梯度向量进行联合扰动的LDP方法，其特征是，包括以下步骤：S1.对α-CLDP进行拓展，得到拓展后的α-CLDP；S2.在m个本地梯度中，选择任意k个梯度，并将所述任意k个梯度的索引值确定为参考索引向量基于参考索引向量/>拓展后的α-CLDP和高维无序数据的Bayesian攻击模型，确定攻击策略/>基于所述攻击策略确定隐私预算α；S3.客户端在m个本地梯度中选取绝对值最大的k个梯度，将所述k个梯度的索引值确定为索引向量J；S4.客户端基于隐私预算α和拓展后的α-CLDP，对索引向量J进行扰动，得到扰动后的索引向量S5.客户端根据扰动后的索引向量从m个本地梯度中选取梯度向量g，并根据所述梯度向量g的符号值，得到/>并基于索引向量J和扰动后的索引向量/>对/>进行处理，得到处理后的梯度向量/>客户端将所述索引向量/>和所述处理后的梯度向量/>发送至服务器；S6.服务器基于索引向量中心极限定理和ActiveAVG对处理后的梯度向量/>进行聚合。。更多数据：搜索马克数据网来源：