基于联邦学习的隐私保护型大数据分析平台设计与实现
王建芳
兰州工商学院 甘肃兰州 730101
摘要：针对跨机构大数据协作中数据隐私泄露与"数据不出域"的核心矛盾,文章构建了一种基于联邦学习的隐私保护型大数据分析平台,采用分布式机器学习架构与同态加密技术实现多方数据协同分析的同时保障"数据不出域",集成自适应梯度聚合算法与差分隐私机制及安全多方计算协议构建完整的隐私保护计算框架.实验结果表明该平台在保证数据隐私的前提下模型准确率达到集中式学习的95％以上,通信开销降低且隐私保护强度提升,该平台为跨机构大数据协作提供了高效可行的技术方案,在金融风控与医疗诊断等领域具有广阔应用前景.
关键词：联邦学习隐私保护大数据分析同态加密差分隐私
论文发表日期：2025-12-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 55-58 )