联邦学习中基于NMSS和LoRA的鲁棒防御机制研究

• 全文链接
• 请求原文

作   者：

伏欣国;  王龙;  刘丽泽;  王雷;  赵建坤; 

关键词：

LoRA;  联邦学习;  隐私保护;  投毒攻击; 

期刊名称：

网络安全与数据治理

i s s n：

2096-5133

年卷期：

2025 年 44 卷 004 期

页   码：

24-31

摘   要：

针对联邦学习中隐私泄露、数据投毒和模型篡改等安全威胁,构建了一种融合不可篡改秘密共享与低秩适应技术的防御架构.该方案采用三服务器门限验证机制与零知识证明技术,确保参数分片在传输和恢复过程中的安全性;同时,利用低秩约束与动态权重聚合算法,有效限制恶意攻击干扰并降低通信开销.在CIFAR-10和mini-ImageNet等数据集上的实验充分验证了该方法在提高防御准确率、降低模型误差和提升系统鲁棒性方面的显著优势,证明了方案在大规模场景下的实用性和可扩展性.结论表明,该架构为联邦学习环境下安全防护提供了一种高效、可行的技术路径.