基于安全洗牌的抗投毒攻击可验证联邦学习框架

来源：计算机应用研究杂志2025年第12期北京时间：

作者：李功丽,董志祥,刘登辉,张哲,

单位：河南师范大学a.计算机与信息工程学院;b.河南省教育人工智能与个性化学习重点实验室,河南新乡453007；

摘要：针对联邦学习面临的模型重构攻击和投毒攻击等威胁，提出了一种安全且鲁棒的联邦学习框架。首先设计双域秘密共享安全框架，确保模型参数的隐私性；基于安全洗牌协议设计了安全中位数算法，解决了现有中位数计算中存在的参数泄露问题，并利用中位数梯度及Pearson相关系数实现密文域下的投毒检测；引入可验证机制，检测辅助节点的恶意行为并保证聚合结果的正确性。实验结果表明，在投毒比例接近50%时所提框架仍能达到90%的正确率；同时与现有工作相比，速度提升了约一个数量级；且当模型维度为217时，降低了约40%的通信成本。

关键词：联邦学习,投毒攻击,双域秘密共享,安全洗牌,安全系数,可验证,

基金资助：国家自然科学基金项目(62372157)；河南省科技攻关计划项目(232102211057)；；