基于秘密共享与同态加密的纵向联邦学习方案研究

• 作者: 夏家骏 鲁颖 张子扬 张钰婷 张佳辰
• 来源期刊: 信息通信技术与政策
• 关键词: 隐私计算 联邦学习 多方安全计算 同态加密 秘密共享
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 专题:隐私计算
• 页码范围: 19-26
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.12267/j.issn.2096-5931.2021.06.003

摘要

由于日趋严格的隐私保护政策,各种隐私保护算法被提出.联邦学习能够在保护用户隐私不被泄露的情形下,运行各种机器学习算法.介绍了在不同场景下适用的联邦学习框架,并以逻辑回归为例介绍了纵向联邦学习的几种常用实现方式;此外,对各种实现方式的优缺点及适用场景进行了分析.