期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
可验证的隐私保护个性化联邦学习
1
作者 杨哲 任艳丽 +1 位作者 钟月歌 冯国瑞 《应用科学学报》 北大核心 2025年第3期463-474,共12页
为了解决联邦学习中存在的隐私泄露、异构数据下表现不佳的问题,提出了一种可验证的隐私保护个性化联邦学习方案。该方案使用同态加密来保护用户的隐私信息,在密文上计算模型更新的相似度来为用户定制个性化模型,基于环上误差学习困难... 为了解决联邦学习中存在的隐私泄露、异构数据下表现不佳的问题,提出了一种可验证的隐私保护个性化联邦学习方案。该方案使用同态加密来保护用户的隐私信息,在密文上计算模型更新的相似度来为用户定制个性化模型,基于环上误差学习困难问题实现了个性化更新的可验证。理论和实验分析表明,所提方案实现了隐私保护,服务器和用户均无法获得其他用户的本地更新和个性化更新,并且隐私保护产生的额外计算开销和通信开销也是可接受的。在非独立同分布和独立同分布场景下,所提方案在2个公开数据集上的准确率高于联邦平均和已有个性化方案。 展开更多
关键词 隐私保护 联邦学习 同态加密 个性化 可验证
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部