典型文献
基于同态加密的联邦学习方案研究
文献摘要：
联邦学习是一种新兴的隐私保护的分布式机器学习模型.机器学习训练过程中,模型的梯度可能会泄露用户数据集,同态加密技术可以解决隐私泄露问题.文章研究基于Paillier同态加密的联邦学习方案,在训练过程中,通过CKKS同态加密算法优化计算损失函数过程,利用其乘法特性,减少原有方案中的计算量,提高联邦学习系统的计算效率.
文献关键词：
同态加密;联邦学习;隐私保护
中图分类号：
作者姓名：
梁亚楠
作者机构：
北京交通大学计算机与信息技术学院,北京100044
文献出处：
引用格式：
[1]梁亚楠-.基于同态加密的联邦学习方案研究)[J].智能城市,2022(03):1-3
A类：
B类：
联邦学习,学习方案,方案研究,隐私保护,分布式机器学习,机器学习模型,学习训练,训练过程,用户数据,同态加密技术,隐私泄露,泄露问题,Paillier,CKKS,同态加密算法,算法优化,优化计算,损失函数,法特,计算量,学习系统,计算效率
AB值：
0.36341
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
