首页|期刊导航|电讯技术|基于扩散式差分隐私的联邦学习数据保护方法

基于扩散式差分隐私的联邦学习数据保护方法OA北大核心CSTPCD

中文摘要

传统的联邦学习(Federated Learning,FL)差分隐私(Differential Privacy,DP)保护机制在一定程度上抵御了差分攻击,防止用户数据的泄露问题,但是引入的噪声扰动在一定程度上又影响了原本数据,导致在服务器聚合时与原本数据产生影响较大的偏差,严重影响了全局模型的准确率和收敛性。为了解决这一问题,提出了一种基于扩散式联邦学习差分隐私保护(Diffusive Differential Privacy Federated…查看全部>>

作者：雷靖鹏;任诚

作者单位：西南石油大学电气信息学院,成都610500西南石油大学电气信息学院,成都610500 电子科技大学信息与通信工程学院,成都611731

分类：计算机与自动化

中文关键词：差分隐私保护数据泄露联邦学习扩散式传播

刊名：《电讯技术》 2024 (11)

页码/页数：P.1765-1771,7

DOI：10.20079/j.issn.1001-893x.240119001

您当前未登录！

去登录

点击加载更多...

基于扩散式差分隐私的联邦学习数据保护方法OA北大核心CSTPCD

评论