一种可防御拜占庭攻击的联邦学习图像分类方法

摘要

本发明公开了一种可防御拜占庭攻击的联邦学习图像分类方法，通过计算工作节点总信息熵以及各个工作节点的局部信息熵从而得到工作节点的信息熵增益，利用工作节点的信息熵增益取值剔除存在问题的设备再更新模型参数，从而保证了当工作节点受到拜占庭攻击时基于联邦学习的图像分类模型训练的效果，最终实现了对于拜占庭攻击的防御；本发明基于模型训练过程中的模型参数进行计算，算法具有低时间复杂度和空间复杂度，能够实现快速响应，同时由于梯度的计算使用于多种机器学习算法中，因此该方法具有较好的泛化性。