1.一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,包括:S1、初始化分布式压缩随机聚合算法DCR-SGDA的参数,并导入待分布的数据集进行预处理;设置全局目标函数和局部目标函数;
S2、服务器将其参数广播分布到所有节点上,服务器对参数进行多次迭代;
S3、对于第k次迭代,服务器接收来自各个节点的节点参数S4、根据步骤S3中服务器的随机梯度值S5、基于服务器压缩后的梯度S6、对于第k次迭代,各个节点将其节点参数S7、基于每个节点压缩后的随机梯度S8、重复迭代,直到算法收敛,实现全局目标函数最小化,得到最优参数。
2.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S1中,设置的全局目标函数和局部目标函数具体为:全局目标函数:
局部目标函数:
其中,ω是整个分布式系统中所有节点参数的集合,每个节点i拥有自己的节点参数ω
3.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S3中服务器的随机梯度值的计算公式为:其中,
其中,
4.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S4中服务器压缩后的梯度值的计算公式为:其中,
5.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S5具体为:更新服务器参数的公式如下:
其中,
更新后的k+1次迭代服务器参数
6.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S6具体为:各个节点的随机梯度值的计算公式为:其中,
各个节点压缩后的梯度值的计算公式为:其中,
7.根据权利要求1所述的一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法,其特征在于,步骤S7具体为:更新各个节点参数的公式为:
其中,
更新后的第k+1次迭代的各个节点参数上传到服务器,用于整体模型的第k+1次迭代。