融合边缘智能计算和联邦学习的隐私保护方案

摘要

边缘智能设备、网关和云端在智能协同计算的过程中，存在隐私泄露、计算能力有限等问题。提高联邦学习可以大大提高智能协同计算的训练效率，但也会暴露边缘智能终端的训练集信息。基于此，提出了一种融合边缘智能计算和联邦学习的隐私保护方案(PPCEF)。首先，提出了一个基于共享秘密和权重掩码的轻量级隐私保护协议，该协议基于秘密共享的随机掩码方案，不仅可以在不损失模型精度的前提下保护梯度隐私，还可以抵抗设备掉线和设备间的共谋攻击，具有很强的实用性。其次，设计一种基于数字签名和哈希函数的算法，不仅可以实现消息的完整性和一致性，还能抵抗重放攻击。最后，使用MNIST和CIFAR10数据集，证明提出的PPCEF方案在实践中安全且高效。

关键词

智能协同计算 / 边缘网关 / 联邦学习 / 隐私保护

基金资助

国家自然科学基金(62271128); 四川省科技计划重点研发项目(2022ZDZX0004,23ZDYF0706,23ZDYF0085,2022YFG0212,2021YFS0391,2021YFG0027,2020YFG0475,2019YJ0543)