一种隐私保护的联邦学习框架
所屬分類：技术论文
上傳者：aetmagazine
文檔大?。?span>606 K
標(biāo)簽： 数据隐私 联邦学习 深度学习
所需積分：0分積分不夠怎么辦？
文檔介紹：大数据时代，数据安全性和隐私性受到越来越多的关注和重视。联邦学习被视为是一种隐私保护的可行技术，允许从去中心化的数据中训练深度模型。针对电力投资系统中各部门因担心数据隐私信息泄露而带来的数据孤岛和隐私保护问题，提出了一种隐私保护的联邦学习框架，允许各部门自有数据在不出本地的情况下，联合训练模型。首先，提出了联邦学习的架构，支持分布式地训练模型；其次，引入同态加密技术，提出了隐私保护的联邦平均学习流程，在数据隐私保护的情况下，实现联合训练模型；最后，实验结果表明，该框架具有较好的收敛性，而且联合训练得到的模型具有较好的精度。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。