基于颗粒化梯度扰动的智能网联隐私保护方法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在智能网联交通系统中，联邦学习通过下发模型到智能网联路侧设施，在中心服务器的调度下完成分布式本地训练与全局聚合，提高交通数据隐私保护，但仍存在数据隐私泄露风险。攻击者根据路侧设施共享的模型参数，发起梯度泄露攻击，可复原路侧设施的训练交通数据。基于差分隐私理论与信息熵理论，针对梯度泄露攻击，设计颗粒化梯度扰动防御方法，挑选Ｆｉｓｈｅｒ 信息值低的神经元，对梯度注入精心设计的拉普拉斯噪声，干扰攻击者基于上传梯度的数据复原。（剩余8887字）

试读结束

目录
monitor