期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
一种安全高效的全匿踪纵向联邦学习方法
1
作者 尤志强 李月 +3 位作者 姜玮 方竞 陈立峰 卞阳 《信息安全研究》 CSCD 北大核心 2024年第6期506-512,共7页
纵向联邦学习作为实现“数据可用不可见”的重要技术范式,其核心的学习过程是基于安全求交的样本对齐.已有的安全求交虽然保护了非交集信息的隐私不被泄露,但无法满足交集部分用户ID的隐私保护需求.抽象出一种基于匿踪对齐的全匿踪纵向... 纵向联邦学习作为实现“数据可用不可见”的重要技术范式,其核心的学习过程是基于安全求交的样本对齐.已有的安全求交虽然保护了非交集信息的隐私不被泄露,但无法满足交集部分用户ID的隐私保护需求.抽象出一种基于匿踪对齐的全匿踪纵向联邦学习框架,确保联邦学习全链路都不会泄露各持有方集合的隐私信息;提出一种基于多方安全计算的框架实现方法,在保持全匿踪的条件下进行联合建模,迭代训练直到模型收敛;通过实验验证了该框架的高性能与低误差特性,能够较好地应用于实践. 展开更多
关键词 纵向联邦学习 安全求交 匿踪求交 多方安全计算 匿踪学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部