来源：期刊VIP网 时间：
作者：韦超;杨闻韶;刘炜;
单位：燕山大学理学院;郑州大学网络空间安全学院;
摘要：针对现有的联邦学习模型在隐私保护和投毒攻击防御方面的不足，提出一种基于联盟链的隐私保护联邦学习框架。首先，采用同态加密技术和拉普拉斯噪声来确保数据隐私，有效地保护了模型训练过程中各方数据的机密性；其次，通过联盟链共识协议以及模型聚合算法为不同参与方分配不同的梯度聚合权重，降低了恶意参与方对模型聚合的影响，增强了模型的鲁棒性。在MNIST和Fashion-MNIST数据集上的实验结果表明，即使恶意参与方的比例高达40%,所提框架在标签反转攻击和后门攻击下仍能保持较高的模型准确率。
关键词：联邦学习;;隐私保护;;投毒攻击;;联盟链;;模型聚合
基金资助：燕山大学博士基金项目(8190047)
