典型文献
基于区块链的联邦学习研究进展
文献摘要：
联邦学习(FL)是一种能够实现用户数据不出本地的新型隐私保护学习范式.随着相关研究工作的不断深入,FL的单点故障及可信性缺乏等不足之处逐渐受到重视.近年来,起源于比特币的区块链技术取得迅速发展,它开创性地构建了去中心化的信任,为FL的发展提供了一种新的可能.对现有基于区块链的FL框架进行对比分析,深入讨论区块链与FL相结合所解决的FL重要问题,并阐述了基于区块链的FL技术在物联网(IoT)、工业物联网(ⅡoT)、车联网(IoV)、医疗服务等多个领域的应用前景.
文献关键词：
联邦学习;区块链;结构框架;融合应用;隐私保护
中图分类号：
作者姓名：
孙睿;李超;王伟;童恩栋;王健;刘吉强
作者机构：
智能交通数据安全与隐私保护技术北京市重点实验室(北京交通大学),北京100044;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]孙睿;李超;王伟;童恩栋;王健;刘吉强-.基于区块链的联邦学习研究进展)[J].计算机应用,2022(11):3413-3420
A类：
B类：
联邦学习,学习研究,FL,现用,用户数据,不出,隐私保护,学习范式,单点故障,可信性,比特币,开创性,去中心化,讨论区,IoT,工业物联网,车联网,IoV,医疗服务,结构框架,融合应用
AB值：
0.361245
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。
