基于同态加密的高效安全联邦学习聚合框架

余晟兴; 陈钟

doi:10.11959/j.issn.1000-436x.2023015

您当前的位置：

首页 >

文章列表页 >

基于同态加密的高效安全联邦学习聚合框架

学术论文 | 更新时间：2024-05-31

- 基于同态加密的高效安全联邦学习聚合框架
- Efficient secure federated learning aggregation framework based on homomorphic encryption
- “在联邦学习领域，专家提出了基于同态加密的高效安全联邦聚合框架，既保护数据隐私安全，又具有高准确率和高效性能。”
- 通信学报 2023年44卷第1期页码：14-28
- 作者机构：
  
  北京大学计算机学院，北京 100871
- 作者简介：
  
  [ "余晟兴（1995- ），男，福建福州人，北京大学博士生，主要研究方向为机器学习、隐私保护、区块链、可验证计算等" ]
  [ "陈钟（1963- ），男，江苏徐州人，博士，北京大学教授、博士生导师，主要研究方向为网络与信息安全、区块链等" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-436x.2023015
  中图分类号： TN92
- 网络首发：2023-01，
  
  纸质出版：2023-01-25
- 稿件说明：
移动端阅览
余晟兴, 陈钟. 基于同态加密的高效安全联邦学习聚合框架[J]. 通信学报, 2023,44(1):14-28.

Shengxing YU, Zhong CHEN. Efficient secure federated learning aggregation framework based on homomorphic encryption[J]. Journal on Communications, 2023, 44(1): 14-28.
余晟兴, 陈钟. 基于同态加密的高效安全联邦学习聚合框架[J]. 通信学报, 2023,44(1):14-28. DOI： 10.11959/j.issn.1000-436x.2023015.

Shengxing YU, Zhong CHEN. Efficient secure federated learning aggregation framework based on homomorphic encryption[J]. Journal on Communications, 2023, 44(1): 14-28. DOI： 10.11959/j.issn.1000-436x.2023015.

浏览量

1285

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向深度学习的高效安全推理研究综述

基于同态密文转换的隐私保护卷积神经网络推理方案

基于多级代理许可区块链的联邦边缘学习模型

面向Non-IID数据的拜占庭鲁棒联邦学习

隐私保护的轨迹相似度计算方法

基于同态加密的高效安全联邦学习聚合框架

Efficient secure federated learning aggregation framework based on homomorphic encryption

DOI：10.11959/j.issn.1000-436x.2023015