面向动态算力节点的联邦学习差分隐私重校准方法

陈宁江; 郑泽章; 章德华

doi:10.11959/j.issn.1000-436x.2025219

您当前的位置：

首页 >

文章列表页 >

面向动态算力节点的联邦学习差分隐私重校准方法

学术论文 | 更新时间：2025-12-25

- 面向动态算力节点的联邦学习差分隐私重校准方法
- Federated learning with differential privacy recalibration for dynamic computing nodes
- “在算力网络领域，研究者提出了一种联邦学习差分隐私重校准方法，有效提升了模型精度、通信效率与系统鲁棒性。”
- 通信学报 2025年46卷第11期页码：114-126
- 作者机构：
  
  1.广西大学计算机与电子信息学院，广西南宁 530004
  2.广西智能数字服务技术创新中心，广西南宁 530004
  3.广西高校并行分布与智能计算重点实验室，广西南宁 530004
- 作者简介：
  
  [ "陈宁江（1975- ），男，广西南宁人，博士，广西大学教授、博士生导师，主要研究方向为云计算和大数据、智能软件工程等。" ]
  郑泽章，1334043617@qq.com
  章德华（2001- ），男，壮族，江西抚州人，广西大学硕士生，主要研究方向为边缘计算、联邦学习等。
- 基金信息：
  
  国家自然科学基金资助项目(62162003)
- DOI：10.11959/j.issn.1000-436x.2025219
  中图分类号： TP18
- 收稿：2025-09-23，
  
  修回：2025-12-04，
  
  录用：2025-12-05，
  
  纸质出版：2025-11-25
- 稿件说明：
移动端阅览
陈宁江,郑泽章,章德华.面向动态算力节点的联邦学习差分隐私重校准方法[J].通信学报,2025,46(11):114-126.

CHEN Ningjiang,ZHENG Zezhang,ZHANG Dehua.Federated learning with differential privacy recalibration for dynamic computing nodes[J].Journal on Communications,2025,46(11):114-126.
陈宁江,郑泽章,章德华.面向动态算力节点的联邦学习差分隐私重校准方法[J].通信学报,2025,46(11):114-126. DOI： 10.11959/j.issn.1000-436x.2025219.

CHEN Ningjiang,ZHENG Zezhang,ZHANG Dehua.Federated learning with differential privacy recalibration for dynamic computing nodes[J].Journal on Communications,2025,46(11):114-126. DOI： 10.11959/j.issn.1000-436x.2025219.

浏览量

308

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

DAGUARD：联邦学习下的分布式后门攻击防御方案

面向非独立同分布数据的联邦学习数据增强方案

基于本地化差分隐私的联邦学习方法研究

基于CNN-BiLSTM-Attention融合模型的差分隐私轨迹重构攻击

激发波长和Eu²⁺的掺杂量对Sr₄Al₁₄O₂₅ ∶ Eu²⁺ , Dy³⁺发光性能的影响

面向动态算力节点的联邦学习差分隐私重校准方法

Federated learning with differential privacy recalibration for dynamic computing nodes

DOI：10.11959/j.issn.1000-436x.2025219