吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (5): 937-942.
刘洋洋1a, 刘 苗1b,2, 聂中文3
LIU Yangyang1a, LIU Miao1b,2, NIE Zhongwen3
摘要: 针对由于采用分布式部署传感器的方式会导致边缘服务器出现数据量分布单一且不平衡的现象,并且 边缘计算下的模型训练也会因梯度异常导致数据集被污染带来极为严重的隐私泄露问题,提出了强鲁棒性 边缘计算(EC: Edge Computing) 数据安全算法 (RDSEC: Strongly Robust Data Security Algorithms for Edge Computing)。 该算法利用异构网络对图像特征共同提取, 并使用同态加密实现对边缘服务器的参数加密, 实现 隐私保护。 若在边缘节点进行梯度异常检测时发现异常,则边缘节点上传梯度时会附加一个信号告知云中心 当前边缘节点所上传的参数是否可用。 该算法在Cifar10和Fashion数据集上的实验取得了极佳结果, 实现了 数据集分配比失衡的条件下也能有效聚合边缘服务器参数,提升边缘节点算力和运算准确率。 并且在保证 数据隐私的条件下,使模型的鲁棒性、精确性和训练速度大幅提升,实现边缘节点对图像预测的高准确率。
中图分类号: