联邦学习的隐私保护技术研究

• 作者: 石进 周颖 邓家磊
• 来源期刊: 现代信息科技
• 关键词: 联邦学习 用户隐私 数据安全 同态加密
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息安全|Information Security
• 页码范围: 138-142
• 页数: 5页
• 分类号: TP309|TP181
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.01.037

摘要

联邦学习作为一种新兴的人工智能计算框架,旨在解决分布式环境下数据安全交换与隐私保护,然而联邦学习在应用时仍然存在安全问题.鉴于此,文章从多个层面分析联邦学习的隐私安全问题,并针对性地提出了防御措施;面向联邦学习安全高速数据交换,提出了一种基于改进同态加密算法的联邦学习模型,为联邦学习落地实施提供借鉴和参考.