计算机应用研究

作者：高琦,孙奕,王友贺,李宇杰,

单位：信息工程大学密码工程学院,郑州450001；

关键词：联邦学习,隐私保护,可验证,线性同态hash,秘密分享,容忍退出,

基金：河南省自然科学基金面上项目；；

针对目前联邦学习可验证聚合方案存在用户通信开销过大、无法容忍用户退出以及用户退出导致验证效率降低的问题，提出了一种基于线性同态hash和秘密分享的高效可验证聚合方案（LHSSEVA）。首先，采用线性同态hash和同态承诺实现聚合结果的可验证性，保证验证信息通信开销与模型维度无关，同时防止服务器通过伪造聚合hash欺骗用户接受错误聚合结果；然后基于椭圆曲线离散对数问题及其同态性保护输入的隐私，同时保证验证的正确性；接着通过融入秘密分享使验证过程可以容忍用户随时退出，并确保用户退出不会导致验证效率降低；最后理论分析证明了方案的正确性、可靠性和隐私性。仿真实验结果表明了方案的可行性和高效性，与VeriFL方案相比，具有更低的计算和通信开销，特别是存在用户退出时，显著提高了验证效率，具有更强的退出容忍性。

来源：2025年第2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2期