欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020108476115
申请人: 安徽大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于差分隐私的分布式学习隐私保护方法,其特征是应用于由n个用户节点构成的加权网络图G(V,E),其中V表示加权网络图G中n个用户节点的集合;E为用户节点之间n×n相连的关系边;记W∈R 为与加权网络图G相关的对称非负权重矩阵;

记i,j为加权网络图G中的任意两个用户节点的序号,定义Wij为第i个用户节点与第j个用户节点之间相连的关系边(i,j)∈E的权值,且权值Wij满足:Wij∈[0,1],Wij=Wji,当Wij=

0时表示第i个用户节点与第j个用户节点的关系边(i,j)不连通;当Wij≠0时表示第i个用户节点与第j个用户节点的关系边(i,j)连通;

第i个用户节点有一个本地数据的分布Ui,定义满足分布Ui的第i个用户节点的样本集合为Di;

定义第i个用户节点的损失函数为 其中,θi表示第i个用户节点的参数;

所述分布式学习隐私保护方法是按如下步骤进行:步骤S1、初始化阶段:

设迭代的总轮数为K,当前迭代的轮数为k,初始化k=1;

定义第k轮迭代第i个用户节点的参数为k k k

定义第k轮迭代的学习率为η,并初始化η=η,定义第k轮迭代的权重矩阵为W ,并初始k化W=W;隐私预算设置为ε,差分隐私失效概率为δ,裁剪阈值为C;

步骤S2、用户节点本地学习阶段:

步骤S2.1、从第i个用户节点的样本集合Di中随机抽取第k轮迭代的一组本地数据样本,记为步骤S2.2、第i个用户节点根据第k‑1轮迭代的参数 和第k轮迭代的本地数据样本利用式(1)计算出第k轮迭代的梯度式(1)中,当k=1时,令

步骤S3、用户节点获取邻居节点信息并更新阶段:步骤S3.1、在第k轮迭代中第i个用户节点获取其第j个邻居节点发来的第k‑1轮迭代的参数 其中,j∈V,(i,j)∈E;利用式(2)计算第k轮迭代的第i个用户节点的加权平均值式(2)中,当k=1时,令步骤S3.2、利用式(3)所示梯度下降法对第i个用户节点的加权平均值 进行优化,得到第k轮迭代的第i个用户节点的参数k k

步骤S3.3、更新第k轮迭代的权重矩阵W和第k轮迭代的学习率η;

步骤S4、加噪声扰动阶段:

步骤S4.1、第i个用户节点利用式(4)对第k轮迭代的参数 进行裁剪,得到第k轮迭代k裁剪后的参数θ′i:

步骤S4.2、设第i个用户节点在第k轮迭代生成的噪声为 且噪声满足位置参数为0,2

尺度参数为σ的高斯分布N(0,σ),并有:式(5)中,Δs为本地敏感度,并有:k

步骤S4.3、利用式(7)对裁剪后的参数θ′i加入噪声 得到第k轮迭代加入噪声后的参k数θ″i:

步骤S5、广播阶段:

k

步骤S5.1、第i个用户节点将加入噪声 后的参数θ″i发送给自己的第j个邻居节点;

步骤S5.2、将k+1赋值给k,并判断k>K是否成立,若成立,则表示第i个用户节点得到使其损失函数 最小化的参数 并完成差分隐私保护;否则,返回步骤S2顺序执行。