计算机应用研究

作者：李晓会,王超,王诗源,张兴,兰洁,

单位：辽宁工业大学a.电子与信息工程学院;b.智慧校园建设中心;c.理学院,辽宁锦州121001；

关键词：异质性感知,度量隐私,四分位距,梯度泄露攻击,梯度敏感性,隐私安全,

基金：国家自然科学基金项目(62203201、61802161)；辽宁省应用基础研究计划项目(2022JH2/101300278)；2024年辽宁省属本科高校基本科研业务费专项资金资助项目(LJZZ212410154025)；辽宁工业大学资助项目(xjg2022092)；；

针对联邦学习中非独立同分布（Non-IID）数据环境下的模型性能下降、动态敏感度隐私保护不足以及恶意攻击与通信延迟引发的鲁棒性失衡问题，提出了异质性感知的自适应安全联邦聚合方法（heterogeneity aware adaptive federated security aggregation method，HAFSA）。首先，服务端根据本地模型偏离程度自适应调整聚合权重，并对延迟客户端时滞补偿；其次，客户端根据梯度显著性为其敏感层添加本地噪声，服务端根据本地模型更新偏离程度度量隐私大小动态分配中央隐私预算；最后，服务端结合损失值和本地模型更新相似度利用四分位距法筛选有效客户端，对有效客户端截断中位数聚合。实验结果表明，在CIFAR-10与MNIST数据集上，HAFSA性能优于对比算法，准确率提升12%~20%、收敛速度提升超一倍，同时可有效抵御梯度泄露攻击。消融实验进一步验证了各组件对系统性能的显著增益。实验证实，HAFSA在异步联邦学习中实现了隐私保护、通信效率与模型稳健性的高效平衡。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期