首页|期刊导航|计算机应用研究|基于差分隐私保护知识迁移的联邦学习方法

基于差分隐私保护知识迁移的联邦学习方法

徐晨阳葛丽娜王哲周永权秦霞田蕾

计算机应用研究2023，Vol.40Issue(8)：2473-2480,8.

计算机应用研究2023，Vol.40Issue(8)：2473-2480,8.DOI:10.19734/j.issn.1001-3695.2022.10.0633

Federated learning method based on differential privacy protection knowledge transfer

徐晨阳 ¹葛丽娜 ²王哲 ²周永权 ³秦霞 ¹田蕾⁴

作者信息

1. 广西民族大学人工智能学院,南宁530006||广西民族大学网络通信工程重点实验室,南宁530006
2. 广西民族大学人工智能学院,南宁530006||广西民族大学网络通信工程重点实验室,南宁530006||广西混杂计算与集成电路设计分析重点实验室,南宁530006
3. 广西民族大学人工智能学院,南宁530006||广西混杂计算与集成电路设计分析重点实验室,南宁530006
4. 广西民族大学网络通信工程重点实验室,南宁530006||广西民族大学电子信息学院,南宁530006
折叠

联邦学习/迁移学习/局部敏感散列/差分隐私/梯度提升树

federated learning/transfer learning/locality-sensitive hashing/differential privacy/gradient boosting decision tree

信息技术与安全科学

徐晨阳,葛丽娜,王哲,周永权,秦霞,田蕾..基于差分隐私保护知识迁移的联邦学习方法[J].计算机应用研究,2023,40(8):2473-2480,8.

国家自然科学基金资助项目(61862007) （61862007）

广西自然科学基金资助项目(2020GXNSFBA297103) （2020GXNSFBA297103）

OA北大核心CSCDCSTPCD

ISSN：1001-3695

访问量0

下载量0

段落导航