说明:收录全网最新的团体标准 提供单次或批量下载
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111582624.5 (22)申请日 2021.12.2 2 (71)申请人 安徽兰科智能科技有限公司 地址 230000 安徽省合肥市中国 (安徽) 自 由贸易试验区合肥市高新区创新大道 2800号创新产业园二期J1楼A座1008- 1室 (72)发明人 许明雪 许广德 许明阳  (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 代理人 朱波 (51)Int.Cl. G06N 20/00(2019.01) G06N 20/10(2019.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06F 21/62(2013.01) (54)发明名称 一种联邦学习下数据源隐私属性推断攻击 方法 (57)摘要 本发明涉及数据安全, 具体涉及一种联邦学 习下数据源隐私属性推断攻击方法, 在本地根据 已有的算力和数据资源训练影子模 型, 基于影子 模型进行主动攻击和被动攻击的攻击训练数据 准备, 根据积累的攻击训练数据在本地训练元模 型, 通过元模型在新的迭代轮次中实施推断攻 击; 本发明提供的技术方案能够 有效克服现有技 术所存在的不能在缺乏推断目标真实数据的情 况下进行有效推断攻击的缺陷。 权利要求书2页 说明书4页 附图2页 CN 114266359 A 2022.04.01 CN 114266359 A 1.一种联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 在本地根据已有的算 力和数据资源训练影子模型, 基于影子模型进行主动攻击和被动攻击的攻击训练数据准 备, 根据积累的攻击训练数据在本地训练元模型, 通过元模型在新的迭代轮次中实施推 断 攻击。 2.根据权利要求1所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 在本地根据已有的算力和数据资源训练影子模型, 包括: 攻击者在本地拥 有和全局训练标签相同、 数据来源不同的大量训练数据和足够的算力 资源, 对本地数据按数据源分割 、 属性向量标注, 并据此进行影子模型的训练。 3.根据权利要求2所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 属性向量属于离散量, 攻击者后期通过穷举可能的属 性组合, 观测选择后验最大 的属性组 合。 4.根据权利要求1所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 基于影子模型进行主动攻击和被动攻击的攻击训练数据准备, 包括: 对于主动攻击, 为了解决本地关联数据的缺乏, 生成待推测数据属性向量在全局模型 上的梯度, 用以在新的迭代轮次中验证该梯度是否存在来辅助判断; 对于被动攻击, 攻击者仅需在本地积累大量影子模型二次训练的中间输出即可。 5.根据权利要求4所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 梯度和数据属性之间的映射关系采用具有循环 一致损失的C ycleGAN建立, 循环 一致损失的 计算方法为: L(G,F,DX,DY)=LGAN(G,DY,X,Y)+LGAN(F,DX,Y,X)+λLcyc(G,F) 其中, L为需要求解的损失函数, G为源域到目标域的生成器, F为目标域到源域的生成 器, DX为源域, DY为目标域, LGAN为生成对抗网络损失函数, Lcyc为循环一致性损失, X为源域数 据, Y为目标域数据, λ为可调节系数; 其中, G*、 F*为两个生成器, 进行主动攻击和被动攻击的攻击训练数据准备时仅需两个 生成器G*、 F*即可。 6.根据权利要求5所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 生成 所述梯度后, 攻击者在本地将生成梯度 注入联邦学习系统中, 在新的迭代轮次中更新参数, 并观察该梯度是否被削弱; 其中, 攻击者在本地将生成梯度注入联邦学习 系统中, 即: γ为可调节系数, 为权重, 为损失函数。 7.根据权利要求1所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 根据积累的攻击训练数据在本地训练元模型, 包括: 对于主动 攻击, 元模型需要跨迭代轮次判断注入的梯度 是否蕴含在新的迭代轮次更新 的参数中;权 利 要 求 书 1/2 页 2 CN 114266359 A 2对于被动 攻击, 元模型需要根据影子模型二 次训练的中间输出判断本次全局迭代中推 断目标数据源的隐私属性。 8.根据权利要求7所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 元模型的结构比全局模型的结构 简单, 所述元模型采用MLP或者SVM 。 9.根据权利要求1所述的联邦学习下数据源隐私属性推断攻击方法, 其特征在于: 所述 通过元模型在新的迭代轮次中实施推断攻击, 包括: 在新的迭代轮次中, 使用元模型根据观测得到的更新 参数进行主动攻击或被动攻击 。权 利 要 求 书 2/2 页 3 CN 114266359 A 3

.PDF文档 专利 一种联邦学习下数据源隐私属性推断攻击方法

文档预览
中文文档 9 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种联邦学习下数据源隐私属性推断攻击方法 第 1 页 专利 一种联邦学习下数据源隐私属性推断攻击方法 第 2 页 专利 一种联邦学习下数据源隐私属性推断攻击方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 23:15:51上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。