基于自适应拜占庭防御的安全联邦学习方案

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。