基于同态加密的高效安全联邦学习聚合框架OA
Efficient secure federated learning aggregation framework based on homomorphic encryption
为了解决联邦学习数据安全以及加密后通信开销大等问题,提出了一种基于同态加密的高效安全联邦聚合框架.在联邦学习过程中,用户数据的隐私安全问题亟须解决,然而在训练过程中采用加密方案带来的计算和通信开销又会影响训练效率.在既要保护数据安全又要保证训练效率的情况下,首先,采用Top-K梯度选择方法对模型梯度进行筛选,减少了需要上传的梯度数量,提出适合多边缘节点的候选量化协议和安全候选索引合并算法,进一步降低通信开销、加速同态加密计算.其次,由于神经网络每…查看全部>>
余晟兴;陈钟
北京大学计算机学院,北京 100871北京大学计算机学院,北京 100871
信息技术与安全科学
联邦学习同态加密隐私保护量化协议
《通信学报》 2023 (1)
14-28,15
评论