期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
ROMM:一种用于联邦逻辑回归的加密方法
1
作者 牛琬茹 黄一珉 +4 位作者 付海燕 王湾湾 何浩 姚明 郭艳卿 《小型微型计算机系统》 北大核心 2025年第6期1305-1311,共7页
目前联邦学习中通常采用加密技术(如同态加密、差分隐私)提高隐私保护能力,但这会导致高通信开销和低准确率.因此,针对如何兼顾隐私保护、加密效率和准确预测的问题,该文提出基于随机正交矩阵的数据屏蔽方法.在训练阶段,利用分块矩阵的... 目前联邦学习中通常采用加密技术(如同态加密、差分隐私)提高隐私保护能力,但这会导致高通信开销和低准确率.因此,针对如何兼顾隐私保护、加密效率和准确预测的问题,该文提出基于随机正交矩阵的数据屏蔽方法.在训练阶段,利用分块矩阵的思想高效生成随机正交矩阵,对参与方的原始数据进行扰动,由发起方结合扰动后的数据主导服务器训练纵向联邦逻辑回归模型,并在预测阶段应用秘密分享技术增强数据隐私保护.在4个不同规模的数据集上的实验结果表明,相较于同态加密技术,该加密方法的计算效率提高了100~800倍,模型准确率提升约0.4%,相较于差分隐私提升约1.2%,且能够有效保护原始数据. 展开更多
关键词 逻辑回归 隐私安全 联邦学习 数据失真
在线阅读 下载PDF
面向隐私安全的联邦决策树算法 被引量:14
2
作者 郭艳卿 王鑫磊 +2 位作者 付海燕 刘航 姚明 《计算机学报》 EI CAS CSCD 北大核心 2021年第10期2090-2103,共14页
根据用户信息进行资质审查是金融领域的一项重要业务,银行等机构由于用户数据不足和隐私安全等原因,无法训练高性能的违约风险评估模型,从而无法对用户进行精准预测.因此,为了解决数据不共享情况下的联合建模问题,本文提出一种基于联邦... 根据用户信息进行资质审查是金融领域的一项重要业务,银行等机构由于用户数据不足和隐私安全等原因,无法训练高性能的违约风险评估模型,从而无法对用户进行精准预测.因此,为了解决数据不共享情况下的联合建模问题,本文提出一种基于联邦学习的决策树算法FL-DT(Federated Learning-Decision Tree).首先,构造基于直方图的数据存储结构用于通信传输,通过减少通信次数,有效提升训练效率;其次,提出基于不经意传输的混淆布隆过滤器进行隐私集合求交,得到包含各参与方数据信息的联邦直方图,并建立联邦决策树模型.最后,提出多方协作预测算法,提升了FL-DT的预测效率.在四个常用的金融数据集上,评估了FL-DT算法的精确性和有效性.实验结果表明,FL-DT算法的准确率比仅利用本地数据建立模型的准确率高,逼近于数据集中情况下模型的准确率,而且优于其他联邦学习方法.另外,FL-DT的训练效率也优于已有算法. 展开更多
关键词 联邦学习 决策树 混淆布隆过滤器 隐私安全 数据不共享
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部