一种数据检测方法及装置、用户设备制造方法及图纸

本申请公开了一种数据检测方法及装置、用户设备，所述方法包括：用户设备利用污染检测模型产生梯度向量，并对所述梯度向量进行秘密分享，得到秘密分享梯度向量；所述用户设备将所述秘密分享梯度向量上传至服务器，并接收所述服务器发送的聚合秘密分享梯度向量，所述聚合秘密分享梯度向量由所述服务器对多个用户设备的秘密分享梯度向量进行聚合得到；所述用户设备基于所述聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新所述污染检测模型；所述用户设备利用更新后的污染监测模型对待检测数据进行处理，得到检测结果。果。果。

【技术实现步骤摘要】
一种数据检测方法及装置、用户设备


[0001]本申请涉及联邦学习
，尤其涉及一种基于联邦学习的数据检测方及装置、用户设备。

技术介绍

[0002]随着大数据时代的到来，越来越多的数据不可避免地需要被共享才能发挥其作用。然而，许多数据具有隐私性，一旦数据被公开，将会导致数据被泄露，数据的安全性无法得到保证。因此，联邦学习作为一种新兴的分布式隐私保护机器学习训练框架得到越来越多的重视。
[0003]然而，基于联邦学习的机器学习训练框架，在数据的存储与交互过程中，同样存在数据被污染的问题。一旦数据被污染，会严重阻碍数据的可用性，很多场景可能会失控。在不泄露数据隐私的前提下，如何安全高效地利用联邦学习进行多方的数据污染检测，则需要技术手段得以实现。

技术实现思路

[0004]为解决上述技术问题，本专利技术实施例提供了一种数据检测方法及装置、用户设备、芯片及计算机可读存储介质。
[0005]本申请实施例提供的数据检测方法，包括：
[0006]用户设备利用污染检测模型产生梯度向量，并对所述梯度向量进行秘密分享，得到秘密分享梯度向量；
[0007]所述用户设备将所述秘密分享梯度向量上传至服务器，并接收所述服务器发送的聚合秘密分享梯度向量，所述聚合秘密分享梯度向量由所述服务器对多个用户设备的秘密分享梯度向量进行聚合得到；
[0008]所述用户设备基于所述聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新所述污染检测模型；
[0009]所述用户设备利用更新后的污染监测模型对待检测数据进行处理，得到检测结果。
[0010]本申请实施例提供的数据检测装置，包括：
[0011]处理单元，用于利用污染检测模型产生梯度向量；对所述梯度向量进行秘密分享，得到秘密分享梯度向量；
[0012]通信单元，用于将所述秘密分享梯度向量上传至服务器，并接收所述服务器发送的聚合秘密分享梯度向量，所述聚合秘密分享梯度向量由所述服务器对多个用户设备的秘密分享梯度向量进行聚合得到；
[0013]所述处理单元，还用于基于所述聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新所述污染检测模型；利用更新后的污染监测模型对待检测数据进行处理，得到检测结果。
[0014]本申请实施例提供的用户设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行上述任意一种数据检测方法。
[0015]本申请实施例提供的芯片，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行上述任意一种方法。
[0016]本申请实施例提供的芯计算机可读存储介质，用于存储计算机程序，所述计算机程序使得计算机执行上述任意一种方法。
[0017]本申请实施例的技术方案中，基于联邦学习的机器学习训练框架，服务器对多个用户设备的秘密分享梯度向量进行聚合，并将得到的聚合秘密分享梯度向量下发给每个用户设备。用户设备基于聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新本地的污染检测模型，进而利用更新后的污染监测模型对待检测数据进行处理，得到检测结果。由于用户设备与服务器之间通过秘密分享的方式交互梯度向量，保障了梯度向量的安全性，避免了梯度向量被泄露。由于采用联邦学习的机器学习训练框架，因而可以高效地利用联邦学习进行多方的数据污染检测。
附图说明
[0018]图1是本申请实施例的一个应用场景的示意图；
[0019]图2是本申请实施例提供的一种数据检测系统的架构图；
[0020]图3是本申请实施例提供的数据检测方法的流程示意图一；
[0021]图4是本申请实施例提供的数据检测方法的流程示意图二；
[0022]图5是本申请实施例提供的数据检测装置的结构组成示意图；
[0023]图6是本申请实施例提供的一种通信设备示意性结构图；
[0024]图7是本申请实施例的芯片的示意性结构图。
具体实施方式
[0025]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]图1是本申请实施例的一个应用场景的示意图。
[0027]如图1所示，通信系统100可以包括用户设备110、基站120和服务器130。用户设备110可以通过基站120与服务器130通信。应理解，本申请实施例仅以通信系统100进行示例性说明，但本申请实施例不限定于此。
[0028]在图1所示的通信系统100中，基站120可以是与用户设备110通信的接入网设备。接入网设备可以为特定的地理区域提供通信覆盖，并且可以与位于该覆盖区域内的用户设备110(例如UE)进行通信。
[0029]基站120可以是长期演进(Long Term Evolution，LTE)系统中的演进型基站(Evolutional Node B，eNB或eNodeB)，或者是下一代无线接入网(Next Generation Radio Access Network，NG RAN)设备，或者是NR系统中的基站(gNB)，或者是云无线接入网络
(Cloud Radio Access Network，CRAN)中的无线控制器，或者该基站120可以为中继站、接入点、车载设备、可穿戴设备、集线器、交换机、网桥、路由器，或者未来演进的公共陆地移动网络(Public Land Mobile Network，PLMN)中的网络设备等。
[0030]用户设备110可以是任意用户设备，其包括但不限于与基站120或其它用户设备采用有线或者无线连接的用户设备。例如，所述用户设备110可以指接入终端、用户设备(User Equipment，UE)、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。接入终端可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol，SIP)电话、IoT设备、卫星手持终端、无线本地环路(Wireless Local Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、5G网络中的用户设备或者未来演进网络中的用户设备等。
[0031]通信系统100中的各个功能单元之间还可以通过下一代网络(next generation，NG)接口建立连接实现通信。
[0032]图1示例性地示出了一个基站、一个服务器和两个用户设备，可选地，该无线通信系统100可以包括更多数目的用户设备，本申请实施例对此不做限定。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据检测方法，其特征在于，所述方法包括：用户设备利用污染检测模型产生梯度向量，并对所述梯度向量进行秘密分享，得到秘密分享梯度向量；所述用户设备将所述秘密分享梯度向量上传至服务器，并接收所述服务器发送的聚合秘密分享梯度向量，所述聚合秘密分享梯度向量由所述服务器对多个用户设备的秘密分享梯度向量进行聚合得到；所述用户设备基于所述聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新所述污染检测模型；所述用户设备利用更新后的污染监测模型对待检测数据进行处理，得到检测结果。2.根据权利要求1所述的方法，其特征在于，所述用户设备将所述秘密分享梯度向量上传至服务器之前，所述方法还包括：所述用户设备基于自身的身份信息和当前时间戳生成签名；所述用户设备将所述身份信息、所述时间戳和所述签名发送给服务器；其中，所述时间戳和所述签名用于所述服务器验证所述身份信息的合法性。3.根据权利要求1所述的方法，其特征在于，所述梯度向量包括n个元素，n为正整数；所述对所述梯度向量进行秘密分享，得到秘密分享梯度向量，包括：所述用户设备调用秘密分享函数中的分享算法对所述n个元素中的每个元素进行秘密分享，其中，所述每个元素进行秘密分享后对应m个秘密值，m为正整数，m为所述多个用户设备的数目。4.根据权利要求1所述的方法，其特征在于，所述用户设备基于所述聚合秘密分享梯度向量获得聚合梯度向量，包括：所述用户设备调用秘密分享函数中的打开秘密算法对所述聚合秘密分享梯度向量进行秘密恢复，得到聚合梯度向量。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：所述用户设备迭代执行更新所述污染检测模型的相关步骤，直至所述污染检测模型达...

【专利技术属性】
技术研发人员：郭斯栩，何申，耿慧拯，张星，陆黎，张鑫月，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：