面向电力数据分析的隐私增强联邦学习框架

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为解决模型更新攻击对联邦学习在智能电网中部署与应用的安全威胁，文章基于云边协同框架和隐私计算技术，提出一种面向电力数据分析的安全高效联邦学习框架，通过差分隐私机制为客户端训练模型参数添加噪声，以保护训练过程中模型参数的安全性；利用秘密分享算法对噪声模型参数进行安全聚合，在保证模型快速收敛的同时实现对电力数据和本地模型参数的保护。（剩余11264字）

试读结束

目录
monitor