基于自适应拜占庭防御的安全联邦学习方案

作     者：周由胜 高璟琨 左祥建 刘媛妮 ZHOU Yousheng;GAO Jingkun;ZUO Xiangjian;LIU Yuanni

作者机构：重庆邮电大学网络空间安全与信息法学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2024年第45卷第8期

页      面：166-179页

核心收录：

学科分类：08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.62272076) 重庆市教委科学技术研究基金资助项目(No.KJQN202200625) 重庆市自然科学基金资助项目(No.CSTB2022NSCQ-MSX0038) 

主　　题：联邦学习 边缘计算 安全隐私保护 拜占庭攻击 

摘      要：针对现有联邦学习方案无法自适应防御拜占庭攻击,且模型准确度低的问题,提出了一种基于自适应拜占庭防御的安全联邦学习方案。通过激励关联的自适应初步聚合和基于指数加权平均的全局聚合,在为局部模型和全局模型提供差分隐私扰动实现隐私保护的前提下最低程度地扰动全局模型,对拜占庭客户端局部模型给予不同的惩罚以自适应防御拜占庭攻击,调动参与者的积极性,并达到较高的模型准确度。实验结果表明,对于不同拜占庭客户端占比,所提方案与其他对比方案相比模型准确度分别平均提升3.51%、3.55%和5.12%,在自适应防御拜占庭攻击时达到了较高的模型准确度。