首页|期刊导航|网络与信息安全学报|基于生成对抗网络的隐私增强联邦学习方案

基于生成对抗网络的隐私增强联邦学习方案

余锋林庆新林晖汪晓丁

网络与信息安全学报2023，Vol.9Issue(3)：113-122,10.

网络与信息安全学报2023，Vol.9Issue(3)：113-122,10.DOI:10.11959/j.issn.2096-109x.2023043

基于生成对抗网络的隐私增强联邦学习方案

Privacy-enhanced federated learning scheme based on generative adversarial networks

余锋 ¹林庆新 ²林晖 ¹汪晓丁¹

作者信息

1. 福建师范大学计算机与网络空间安全学院,福建福州 350017||网络安全与教育信息化福建省高校工程研究中心(福建师范大学),福建福州 350017
2. 福州大学至诚学院,福建福州 350002
折叠

摘要

关键词

联邦学习/梯度泄露/隐私增强/生成对抗网络/差分隐私

Key words

federated learning/gradient leakage/privacy enhancement/generative adversarial network/differential privacy

分类

信息技术与安全科学

引用本文复制引用

余锋,林庆新,林晖,汪晓丁..基于生成对抗网络的隐私增强联邦学习方案[J].网络与信息安全学报,2023,9(3):113-122,10.

基金项目

国家自然科学基金(U1905211,61702103) （U1905211,61702103）

福建省自然科学基金(2020J01167,2020J01169)The National Natural Science Foundation of China(U1905211,61702103),The Natural Science Foundation of Fujian Province(2020J01167,2020J01169) （2020J01167,2020J01169）

网络与信息安全学报

OACSTPCD

ISSN：2096-109X

访问量5

下载量0

段落导航