基于同态加密的联邦学习方案研究
梁亚楠
摘要：联邦学习是一种新兴的隐私保护的分布式机器学习模型.机器学习训练过程中,模型的梯度可能会泄露用户数据集,同态加密技术可以解决隐私泄露问题.文章研究基于Paillier同态加密的联邦学习方案,在训练过程中,通过CKKS同态加密算法优化计算损失函数过程,利用其乘法特性,减少原有方案中的计算量,提高联邦学习系统的计算效率.
关键词：同态加密联邦学习隐私保护
分类号：TP18(自动化基础理论)
论文发表日期：2022-03-28
页数：3( 1-3 )
英文信息