一种基于时频谱图与对比学习的联邦学习中毒防御方法

本发明涉及联邦学习安全技术领域，公开了一种基于时频谱图与对比学习的联邦学习中毒防御方法，包括接收各客户端上传的模型更新，按模型层分组并向量化参数，对每层参数向量应用短时傅里叶变换生成时频谱图；基于所述时频谱图，通过数据增强构建正样本对，进行困难负样本挖掘，并利用对比损失函数训练编码器，以提取高判别力的嵌入向量；对所述嵌入向量使用DBSCAN聚类算法进行无监督聚类，将最大簇判定为良性客户端，并结合历史恶意记录进行最终判定，仅聚合良性客户端的模型参数更新全局模型。本发明能够实现高精度检测攻击特征，进而实现更普适、更高效且更具实用性的联邦学习中毒攻击防御方法。