一种联邦学习模型和数据安全性及正确性的检测方法

专利申请号：CN202211219715.7

公 开 号：CN115292738B

发 明 人：陈万钢 李昆阳 饶金涛 杨伟 

代 理 人：成都立新致创知识产权代理事务所(特殊普通合伙)刘俊

代理机构：成都立新致创知识产权代理事务所(特殊普通合伙)

专利类型：发明专利

申 请 日：20230117

公 开 日：20221008

专利主分类号：G06F21/60

关 键 词：检测 数据安全性 参与方 可信计算模块 第三方 合格性 学习 验证 数据安全技术 安全性检测 保证安全 密码应用 学习过程 学习检测 最终模型 引入 失败 环节 

摘      要：本发明涉及一种联邦学习模型和数据安全性及正确性的检测方法，属于密码和数据安全技术领域，对联邦学习参与方的合格性进行检测，通过在联邦学习检测过程中引入第三方可信计算模块实现整个联邦学习模型对数据安全性和正确性的检测和验证，并且通过对联邦学习涉及相关环节的检测和总体判断，实现对模型失败与否的判断，以及联邦学习过程中数据安全性的判断。本发明解决了传统技术不检测参与方合格性，不检测参与方密码应用正确性，不对最终模型安全性和正确性进行检测以及没有采用第三方可信计算模块进行验证的缺陷，能够在保证安全的前提下进行正确性和安全性检测。