-
题名物联网中多密钥同态加密的联邦学习隐私保护方法
被引量：1
- 1
-
-
作者
管桂林
支婷
陶政坪
曹扬
-
机构
中电科大数据研究院有限公司
提升政府治理能力大数据应用技术国家工程研究中心
-
出处
《信息安全研究》
CSCD
北大核心
2024年第10期958-966,共9页
-
基金
国家重点研发计划项目(2023YFC3806001)
贵州省科技支撑计划项目(2023MA6DN7B8X22057)
+1 种基金
海南省重大科技计划项目(ZDKJ2021051)
贵州省高层次创新型人才项目(黔科合平台人才-GCC[2023]105)。
-
文摘
借助联邦学习,多个分布式物联网设备可在不泄露原始数据前提下通过传输模型更新共同训练全局模型.然而,联邦学习系统易受模型推理攻击的影响,导致系统鲁棒性和数据隐私性受损.针对现有联邦学习方案无法实现对共享梯度的机密性保护以及难以抵抗客户端和服务器发起的共谋攻击等问题,提出一种物联网中多密钥同态加密的联邦学习隐私保护方法.该方法利用多密钥同态加密实现了梯度更新机密性保护,首先通过采用代理重加密技术,将不同公钥下的密文转换为公共密钥下的加密数据,确保云服务器实现对梯度密文的解密.然后,物联网设备采用自身的公钥和随机秘密因子加密本地梯度数据,可抵抗恶意设备和服务器发起的合谋攻击.其次,设计了一种基于混合密码体制的身份认证方法,实现对联邦建模参与方身份的实时验证.此外,为了进一步降低客户端计算开销,将部分解密计算协同至可信服务器计算,用户只需少量的计算即可.通过对所提方案进行全面分析以评估其安全性和效率.结果表明,所提方案满足了预期的安全要求.实验仿真表明,该方案相较于现有方案,具有较低的计算开销,可实现更快且准确的模型训练.
-
关键词
联邦学习
物联网
代理重加密
多密钥同态加密
隐私保护
抗合谋攻击
-
Keywords
federated learning
Internet of things
proxy re-encryption
multi-key homomorphic encryption
privacy protection
resist collusion attacks
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名面向医疗场景的去中心化联邦学习隐私保护方法
- 2
-
-
作者
管桂林
陶政坪
支婷
曹扬
谢真强
-
机构
中电科大数据研究院有限公司
提升政府治理能力大数据应用技术国家工程研究中心
天津大学智能与计算学部
-
出处
《计算机应用》
CSCD
北大核心
2024年第S2期112-117,共6页
-
基金
国家重点研发计划项目(2023YFC3806001)
贵州省科技支撑计划项目(2023MA6DN7B8X22057)
+1 种基金
贵州省科技重大专项(黔科合重大专项字[2024]002)
2024年度中央引导地方科技发展资金资助项目(黔科合中引地[2024]009)。
-
文摘
针对医疗行业现有的联邦学习方案大多存在的由于模型训练收敛慢、梯度信息泄露、中央服务器的单点失效以及易受攻击而导致的全局模型鲁棒性低等问题,提出一种面向医疗场景的去中心化联邦学习隐私保护方法。首先,构建基于FR(Fletcher-Reeves)共轭梯度算法的高效联邦学习方法,从而实现模型训练过程中的快速收敛和安全可靠计算,并通过Paillier同态加密算法解决医疗机构梯度数据泄露的问题;其次,提出基于区块链共识机制的去中心化可信联邦学习架构,无须可信的中央服务器协调即可实现安全建模,并避免了由于中央服务器遭受攻击或者瘫痪导致的训练效率低下问题;同时,将全局模型和本地模型更新存储于区块链,从而实现对模型全生命周期的保护。安全性分析结果表明,所提方法具备密文不可区分性和数据隐私性。仿真实验结果表明,所提方法相较于对比方法具有收敛快、准确性高等优势,能较好地满足现有医疗数据联合建模的实际需求。
-
关键词
联邦学习
医疗数据
区块链
去中心化
隐私保护
-
Keywords
federated learning
medical data
blockchain
decentralization
privacy protection
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名污水流量与天气数据融合的贝叶斯服务人口预测
- 3
-
-
作者
蔡惠民
曹扬
陶政坪
谢真强
-
机构
中电科大数据研究院有限公司
提升政府治理能力大数据应用技术国家工程研究中心
天津大学智能与计算学部
-
出处
《计算机技术与发展》
2024年第8期181-188,共8页
-
基金
2021年海南省重大科技计划项目“海南自贸港社会管理服务信息系统和ODAE协同关键技术研究及应用示范”项目(ZDKJ2021051)
国家自然科学基金项目(U19B2020)。
-
文摘
传统基于污水日均流量及人均用水量的人口预测模型缺乏对天气因素的考虑,存在人口数量测算偏大等问题。为了综合考虑天气因素对污水日均流量的影响,提出了一种基于污水监测数据与天气数据融合的贝叶斯服务人口预测模型。通过引入天气影响因子,同质化、异质化天气影响因子转化率,天气因素对污水日均流量的贡献量等,构建基于贝叶斯方法的污水日均流量生成模型。基于随机变分推理,获得生成模型参数的后验分布,进而实现各污水处理厂服务区域的服务人口预测模型。该模型能抵消区域天气因素的综合影响水平,能更合理地实现污水厂服务区域的人口数量预测。同时,通过统计分析对比了同质化、异质化天气影响因子转化率估计,天气因素对污水日均流量的影响等。该服务人口预测模型能进一步支撑城市人口的态势感知,对提升社会治理能力有重要意义。
-
关键词
污水监测
多源数据融合
服务人口预测
贝叶斯分析
随机变分推理
-
Keywords
sewage monitoring
multi-source data fusion
service population prediction
Bayesian analysis
stochastic variational inference
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
