典型文献
面向船联网的高效隐私保护联邦学习方法
文献摘要：
[目的]人工智能技术已经成为提升船舶航行安全水平、降低航运企业运营成本的重要手段.为打破不同船舶公司之间的数据壁垒,进一步提升船舶智能化水平,提出一种面向船联网的高效隐私保护联邦学习方法.[方法]采用联邦学习技术以实现多个船舶参与方协同训练一个深度学习模型,并且使用同态加密方案以保护参与方的本地数据信息.考虑船联网场景,引入稀疏化技术对船舶参与方上传的模型参数进行压缩,从而降低参与方上传的数据量.[结果]理论分析和实验结果表明,所提出的高效联邦故障诊断方法能够有效地降低密码学计算和数据通信的资源消耗,同时保护船舶参与方的本地数据信息.[结论]该学习方法能够为船舶智能化研究提供参考.
文献关键词：
船联网;深度学习;联邦学习;隐私保护;稀疏化
中图分类号：
作者姓名：
张泽辉;管聪;高航;高铁杠;陈辉
作者机构：
南开大学软件学院,天津 300350;武汉理工大学船海与能源动力工程学院,湖北武汉 430063;武汉理工大学高性能舰船技术教育部重点实验室,湖北武汉 430063;清华大学公共安全研究院,北京 100084
文献出处：
引用格式：
[1]张泽辉;管聪;高航;高铁杠;陈辉-.面向船联网的高效隐私保护联邦学习方法)[J].中国舰船研究,2022(06):48-58
A类：
B类：
船联网,隐私保护,联邦学习,船舶航行安全,安全水平,航运企业,企业运营,运营成本,同船,数据壁垒,船舶智能化,智能化水平,学习技术,参与方,协同训练,深度学习模型,同态加密,稀疏化,数据量,故障诊断方法,密码学,数据通信,资源消耗
AB值：
0.319104
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。
