Privacy-preserving federated learning framework with dynamic weight aggregation.
Y Zuobin, F Yichen, Z Yiwen - Chinese Journal of Network & …, 2022 - search.ebscohost.com
There are two problems with the privacy-preserving federal learning framework under an
unreliable central server.(1) A fixed weight, typically the size of each participant's dataset, is …
unreliable central server.(1) A fixed weight, typically the size of each participant's dataset, is …
纵向联邦线性模型在线推理过程中成员推断攻击的隐私保护研究
尹虹舒， 周旭华， 周文君 - 大数据, 2022 - infocomm-journal.com
随着大数据的发展以及数据安全相关法规的出台, 人们的隐私保护意识逐渐加强,“数据孤岛”
现象愈发严重. 联邦学习技术作为解决该问题的有效方法之一, 已成为当下备受关注的热点 …
现象愈发严重. 联邦学习技术作为解决该问题的有效方法之一, 已成为当下备受关注的热点 …
动态聚合权重的隐私保护联邦学习框架
应作斌， 方一晨， 张怡文 - 网络与信息安全学报 - infocomm-journal.com
在非可信中心服务器下的隐私保护联邦学习框架中, 存在以下两个问题. ① 在中心服务器上聚合
分布式学习模型时使用固定的权重, 通常是每个参与方的数据集大小. 然而 …
分布式学习模型时使用固定的权重, 通常是每个参与方的数据集大小. 然而 …