文档详情

基于实例重构的联邦学习模型智能攻击检测方法及装置.pdf

发布：2023-05-09约2.31万字共20页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114548428 B (45)授权公告日 2022.08.16 (21)申请号 202210404405.6 (51)Int.Cl.

显示全部

相似文档

基于攻击检测模型的攻击检测方法及装置、介质、设备.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114553523 A (43)申请公布日 2022.05.27 (21)申请号 202210158714.X (22)申请日 2022.02.21 (71)申请人平安普惠企业管理有限公司地址 5
2023-05-08 约2.01万字 17页立即下载
面向联邦遗忘学习的数据重构攻击方法研究.docx 面向联邦遗忘学习的数据重构攻击方法研究一、引言随着深度学习和分布式系统的快速发展，联邦学习作为一种新兴的机器学习范式，已经在许多领域得到了广泛应用。联邦学习允许多个客户端在保持数据本地化的同时，通过共享模型更新来提高学习性能。然而，这种分布式学习的特性也带来了新的安全挑战。其中，数据重构攻击作为联邦学习安全领域的一个新兴问题，已成为研究的热点。特别是针对联邦遗忘学习（FederatedForgettingLearning）的场景，该类攻击的影响更为严重。本文将就面向联邦遗忘学习的数据重构攻击方法展开研究。二、背景与相关研究联邦遗忘学习是一种在联邦学习中引入遗忘机制的学习策略，旨在解决模
2025-04-19 约4.54千字 9页立即下载
基于联邦学习的电力数据异常检测模型的训练方法和装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116049662 A (43)申请公布日 2023.05.02 (21)申请号 202211425171.X G06F 21/62 (2013.01)
2023-05-11 约3.02万字 28页立即下载
基于规则泛化和攻击重构网络攻击检测方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114553580 A (43)申请公布日 2022.05.27 (21)申请号 202210193114.7 G06N 7/00 (2006.01) (22)申请日 2022.02.2
2023-05-06 约1.85万字 13页立即下载
一种基于联邦学习的防窃取攻击医疗诊断模型保护方法.pdf (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 CN 112967812 A (43)申请公布日 2021.06.15 (21)申请号 202110422407.3 (22)申请日 2021.04.20 (71)申请人钟爱健康科技（广东）有限公司
2023-06-08 约8.22千字 7页立即下载
基于区块链的联邦学习攻击保护技术及恶意客户端检测方法.docx 基于区块链的联邦学习攻击保护技术及恶意客户端检测方法 一、引言随着人工智能技术的飞速发展，联邦学习作为一种新型的机器学习技术，在保护用户隐私的同时，实现了跨设备、跨平台的数据协作训练。然而，在联邦学习的实际应用中，其开放性和分布式特性使得其面临着来自各方面的安全威胁。区块链技术的引入，为联邦学习提供了更高级别的安全保障。本文将探讨基于区块链的联邦学习攻击保护技术及恶意客户端检测方法。二、联邦学习及区块链技术概述 1.联邦学习概述 联邦学习是一种分布式机器学习方法，允许在保护原始数据不被共享的前提下，对模型进行训练。其主要优势在于保护用户隐私，同时提高模型训练的效率。然而，由于参与节点的匿
2025-02-06 约5.07千字 11页立即下载
基于DAGMM的联邦学习后门攻击防御方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113411329 B (45)授权公告日 2022.06.28 (21)申请号 202110675081.5 G06N 20/20 (2019.01) (22)申请日 2021.06
2023-06-19 约1.34万字 11页立即下载
基于孤立森林的联邦学习中毒攻击的防御方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565106 A (43)申请公布日 2022.05.31 (21)申请号 202210203687.3 (22)申请日 2022.03.02 (71)申请人广西师范大学地址 541004
2023-05-07 约8.51千字 8页立即下载
面向联邦学习的攻击检测技术研究.pdf 面向联邦学习的攻击检测技术研究摘要近年来，边缘计算变得越来越流行。它解决了边缘设备和远程服务器之间的通信延迟问题。然而，它并未解决边缘设备数据隐私安全问题。联邦学习是一种安全计算的框架，其提出的目的是保护客户端数据隐私。在联邦学习中，中央服务器只负责接收每轮参与训练的客户端发送的模型更新，并不需要关心这些模型更新是如何生成的。尽管此模式在保护参与训练的客户端的数据隐私方面表现出色，但它可能被攻击者利用。攻击者可以向中央服务器发送有毒的模型更新，以降低全局模型的测试准确率，或者不参与训练只获得具有商业价值的最终全局模型。本文拟通过在中央服务器加入相应的检测机制，检测并剔除恶意客
2025-05-14 约9.04万字 62页立即下载
一种基于联邦学习的网络数据分析功能的模型训练方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114584471 A (43)申请公布日 2022.06.03 (21)申请号 202011277906.X (22)申请日 2020.11.16 (71)申请人中国移动通信有限公司研究院地址
2023-05-09 约2.31万字 17页立即下载
基于非对称联邦学习的模型联合训练方法、装置及设备.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990484 B (45)授权公告日 2021.07.20 (21)申请号 202110427675.4 (56)对比文件
2023-06-08 约6.15万字 46页立即下载
一种基于联邦学习进行模型参数更新的方法、系统及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990476 B (45)授权公告日 2022.04.12 (21)申请号 202110177803.4 (56)对比文件
2023-06-09 约3.11万字 24页立即下载
基于深度学习的Web攻击检测方法.docx 基于深度学习的Web攻击检测方法一、引言随着互联网技术的迅猛发展，Web应用已成为人们日常生活和工作中不可或缺的一部分。然而，随着Web应用的普及，网络安全问题也日益突出，其中Web攻击更是给企业和个人带来了巨大的损失。传统的Web攻击检测方法往往依赖于规则匹配和特征提取，但这种方法对于新型、复杂的攻击手法往往难以有效应对。因此，本文提出了一种基于深度学习的Web攻击检测方法，以提高Web应用的安全性。二、深度学习在Web攻击检测中的应用深度学习是一种模拟人脑神经网络的工作方式，通过对大量数据进行学习和分析，可以自动提取数据的特征，从而实现更准确的分类和预测。在Web攻击检测中，深度学
2025-02-15 约4.58千字 9页立即下载
基于深度学习的Web攻击检测方法.pdf 摘要 Web在当今互联网世界中占据着举足轻重的地位，然而，多数Web应用由于开发语言的灵活性，往往面临着不同程度的安全挑战。传统的Web攻击检测方法高度依赖于专家的经验来手动提取攻击特征，这在当前攻防技术日新月异的环境下，显得愈发力不从心。因此，一种能够自动提取数据特征的算法，将更有助于应对当前复杂多变的网络环境。深度学习的兴起为解决这一问题提供了可能。深度学习的核心思想是通过构建深层的神经网络模型，从海量的输入数据中自动提取和学习有效的特征表示。因此，利用深度学习进行
2025-01-23 约9.83万字 71页立即下载
一种基于联邦学习的安全帽佩戴检测模型训练方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117422979A (43)申请公布日2024.01.19 (21)申请号202311396802.4 (22)申请日2023.10.26 (71)申请人北京工业大学地址100024
2024-01-15 约1.23万字 12页立即下载