近些年, 人工智能技术已经在图像分类, 目标检测, 语义分割, 智能控制以及故障诊断等领域得到
广泛应用, 然而某些行业(例如医疗行业) 由于数据隐私的原因, 多个研究机构或组织难以共享
数据训练联邦学习模型. 因此, 将同态加密(Homomorphic encryption, HE) 算法技术引入到联邦
学习中, 提出一种支持数据隐私保护的联邦深度神经网络模型(Privacy-preserving federated
deep neural network, PFDNN). 该模型通过对其权重参数的同态加密保证了数据的隐私性,
并极大地减少了训练过程中的加解密计算量. 通过理论分析与实验验证, 所提出的联邦深度神经 …