基于秘密共享与同态加密的纵向联邦学习方案研究OA
Research on vertical federated learning based on secret sharing and homomorphic encryption
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.
夏家骏;鲁颖;张子扬;张钰婷;张佳辰
光之树(北京)科技有限公司,北京100085光之树(北京)科技有限公司,北京100085光之树(北京)科技有限公司,北京100085光之树(北京)科技有限公司,北京100085光之树(北京)科技有限公司,北京100085
信息技术与安全科学
隐私计算联邦学习多方安全计算同态加密秘密共享
《信息通信技术与政策》 2021 (6)
19-26,8
评论