针对联邦学习隐私保护及恶意检测的联合算法

来源：计算机工程与应用杂志2025年第20期北京时间：

作者：徐宜航, 毛玉星

单位：重庆大学 输变电装备技术全国重点实验室，重庆 400044

摘要：针对联邦学习中同时存在的数据隐私保护与恶意对手检测问题，提出同态加密-阈值秘密共享联合加密算法（HE-SS）。该算法基于消息向量映射为明文多项式插值原理，在同态加密复平面单位圆编码插槽之外确定一组阈值共享密钥，将梯度信息隐式地转化为密文片段，并利服务器协同计算，建立抵抗性聚合协议。该算法在多方密文运算中保持线性同态性，支持不揭露隐私的向量相似度判别，解决了多方计算问题中隐私保护与恶意检测间的内在矛盾，实现了特定环境下匿名化恶意节点识别。对于同时存在推理攻击和拜占庭攻击的联邦学习场景，测试结果表明，HE-SS算法能够较好地保护客户端敏感原始信息，并且在全局模型收敛性以及准确率表现上，优于现有主流防御方案。

关键词：联邦学习（FL）,隐私保护,对手检测,同态加密,阈值密钥共享