您当前的位置:
首页 >
文章列表页 >
基于门限同态加密的自适应联邦学习安全聚合方案
学术论文 | 更新时间:2024-05-31
    • 基于门限同态加密的自适应联邦学习安全聚合方案

    • Adaptive federated learning secure aggregation scheme based on threshold homomorphic encryption

    • 在联邦学习领域,研究者提出了一种基于门限同态加密的自适应联邦学习安全聚合方案,有效降低了通信开销,缓解了用户上行通信压力。
    • 通信学报   2023年44卷第7期 页码:76-85
    • DOI:10.11959/j.issn.1000-436x.2023140    

      中图分类号: TN92
    • 网络出版日期:2023-07

      纸质出版日期:2023-07-25

    移动端阅览

  • 马卓, 金嘉玉, 杨易龙, 等. 基于门限同态加密的自适应联邦学习安全聚合方案[J]. 通信学报, 2023,44(7):76-85. DOI: 10.11959/j.issn.1000-436x.2023140.

    Zhuo MA, Jiayu JIN, Yilong YANG, et al. Adaptive federated learning secure aggregation scheme based on threshold homomorphic encryption[J]. Journal on communications, 2023, 44(7): 76-85. DOI: 10.11959/j.issn.1000-436x.2023140.

  •  
  •  

0

浏览量

512

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于多方计算的安全拜占庭弹性联邦学习
低带宽场景下防合谋多方隐私集合并集协议
空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略
基于零集中差分隐私的联邦学习激励方案
联邦学习中的拜占庭攻防研究综述

相关作者

高鸿峰
黄浩
田有亮
张恩
王梦涛
郑东
禹勇
黄昱晨

相关机构

贵州大学公共大数据国家重点实验室
贵州大学网络与信息化管理中心
贵州大学计算机科学与技术学院
河南师范大学计算机与信息工程学院
河南省教育人工智能与个性化学习重点实验室
0