[發明專利]一種基于可信執行環境的聯邦學習方法

有效

• 申請號: 202010020331.7
• 申請日: 2020-01-09
• 公開（公告）號: CN111241580B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 李進;陳煜;羅芳;李同
• 申請（專利權）人: 廣州大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F21/64;G06N3/04;H04L9/32
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 林梅繁

1.一種基于可信執行環境的聯邦學習方法，其特征在于，包括以下步驟：

S1、基于可信執行環境生成本地安全區；

S2、本地用戶向云端提出下載初始化的模型參數的請求，云端回應請求并發送初始化的模型參數；

S3、本地用戶將訓練算法、訓練數據集、訓練數據例子數和云端傳回的初始化的模型參數加載到本地安全區內，執行訓練算法在本地進行訓練，得到訓練后的模型參數梯度；本地用戶利用訓練后的模型參數梯度、訓練算法和模型集成算法生成數字簽名，并利用數字簽名和本地中央處理器芯片的硬件信息，通過群簽名算法進行本地用戶身份認證，最終本地用戶將訓練后的模型參數梯度、模型集成算法及本地用戶身份認證上傳到云端；

S4、云端回應本地用戶的上傳請求，并對本地用戶身份認證進行驗證，驗證成功后，云端獲取本地用戶上傳的訓練后的模型參數梯度及模型集成算法，置于云端安全區內，對模型進行集成，更新模型參數梯度；利用更新后的模型參數梯度生成數字簽名，再結合云端中央處理器芯片的硬件信息，通過群簽名算法生成云端身份認證信息；模型集成結束后，返回云端身份認證信息和更新后的模型參數梯度。

2.根據權利要求1所述的基于可信執行環境的聯邦學習方法，其特征在于，所述群簽名算法為EPID群算法。

3.根據權利要求1所述的基于可信執行環境的聯邦學習方法，其特征在于，步驟S1使用英特爾SGX技術在中央處理器上生成硬件層面上的本地安全區，未經用戶許可，本地安全區與非安全區的數據交互無法實現。

4.根據權利要求1所述的基于可信執行環境的聯邦學習方法，其特征在于，步驟S3所述訓練算法為隨機梯度下降算法。

5.根據權利要求1所述的基于可信執行環境的聯邦學習方法，其特征在于，步驟S1在中央處理器內分配內存，用于存儲本地安全區。