|国家科技期刊平台
首页|期刊导航|计算机应用研究|基于隐私保护联邦学习与区块链的图像分类方案

基于隐私保护联邦学习与区块链的图像分类方案OA北大核心CSTPCD

中文摘要

传统的中心化图像分类方法受制于数据隐私问题和计算资源限制,无法满足实际需求。现有的联邦学习框架依赖中心服务器,存在单点故障和数据中毒攻击等安全挑战。为解决这些问题,提出了一种面向隐私保护联邦学习与区块链的图像分类方案,通过将联邦学习与区块链技术相结合,实现在分布式环境下进行图像分类任务的可靠性和安全性。图像分类模型通过联邦学习进行训练,并上传至区块链网络进行验证和共识;在分类阶段,模型通过加权组合得到最终分类结果。实验结果表明,该方案在确保用户隐私的同时提高了图像分类的准确度,为解决图像分类中的数据隐私和安全问题提供了一种有效途径,并为提高分类准确性作出了积极探索。

茆启凡;王亮亮;王子涵;

上海电力大学计算机科学与技术学院,上海201306上海电力大学计算机科学与技术学院,上海201306 杭州师范大学浙江省密码技术重点实验室,杭州311121

计算机与自动化

联邦学习区块链图像分类隐私保护

《计算机应用研究》 2024 (002)

P.356-360 / 5

国家自然科学基金资助项目(U1936213,61872230);浙江省密码技术重点实验室开放研究基金资助项目。

10.19734/j.issn.1001-3695.2023.06.0246

评论