大数据联邦学习的安全性与隐私保护方法

《IEEE Data Descriptions》：Security and Privacy Protection Methods for Federated Learning for Big Data

　　

摘要：

在大数据环境中，联邦学习面临多种挑战，如隐私泄露、投毒攻击和通信负担过重等问题。现有的方法大多作为点防御措施，难以同时平衡安全性、效率和实用性。本研究旨在构建一个多层次的联邦学习安全系统，涵盖“数据源保护、过程防御和全局优化”。该系统构建了一个云-边缘-端协同架构，结合差分隐私和Shamir秘密共享技术，实现数据源扰动和梯度共享传输。通过Mixup数据增强技术与梯度聚类相结合，能够主动检测投毒攻击，并引入联邦反学习机制在事后修复恶意影响。基于静态贝叶斯博弈理论，系统动态分配隐私预算，以在个性化隐私和模型效用之间达到纳什均衡。在CIFAR-10和FEMNIST数据集上进行的实验表明：使用卷积神经网络作为基础模型，并与Vanilla FL模型及其模块化版本进行比较，该系统在75个客户端的情况下仅产生91.9 MB的通信开销；Mixup技术与梯度聚类结合使用，在24%的投毒攻击下仍保持69.7%的准确率；该博弈论框架实现了高达0.91的隐私-效用平衡系数。在复杂的动态场景中，多层次框架的准确率达到了76.9%。该系统在各种攻击下表现出强大的安全性和适应性，为联邦学习的实际应用提供了系统化的解决方案。

1 引言

随着大数据技术的快速发展，联邦学习作为分布式机器学习的重要范式，实现了跨机构协作训练，同时保护了数据隐私，并已广泛应用于医疗保健、金融和物联网（IoT）等领域[1]、[2]。当前的数据安全研究呈现出多样化的发展趋势，主要集中在加密算法改进、入侵检测、区块链集成和博弈论优化等方面。在加密技术领域，研究人员致力于优化传统加密算法并构建混合加密机制，以应对日益复杂的攻击方法，提高数据传输的保密性[3]、[4]。在攻击检测领域，深度学习方法凭借其强大的特征提取能力，被广泛用于恶意软件分类和网络入侵识别，显著提高了威胁发现的效率[5]。区块链技术因其不可篡改和去中心化的特性，被探索用于工业物联网和云环境中的安全数据共享和验证，以增强系统的可信度[6]、[7]。博弈论通过构建攻防博弈模型，应用于网络攻击和防御策略的动态优化，实现安全资源的合理分配[8]。现有研究为联邦学习安全提供了技术基础，但针对其独特挑战（如异构数据处理、梯度泄露防御和投毒攻击检测）的系统化保护方案仍需深入探索。因此，该研究通过差分隐私技术添加噪声来确保数据在终端的保密性，并通过秘密共享实现数据分割。在训练阶段，使用Mixup数据增强技术稀释恶意样本，服务器上的梯度聚类技术识别异常情况。引入联邦反学习机制快速消除恶意影响，并结合基于博弈论的隐私预算动态优化，以实现个性化效用平衡。该研究旨在构建一个多层次的联邦学习安全框架，涵盖数据源保护、训练过程防御和全局效用优化，提高系统对攻击的抵御能力、通信效率以及在复杂动态场景下的个性化隐私适应性，从而为联邦学习的实际应用提供可靠支持。