基于属性加密的联邦学习参与方选择方案
Cyber Security and Data Governance（2023）
摘要
联邦学习通过让用户使用本地数据训练模型来保护隐私,但现有的工作普遍忽略了真实场景下参与方的异质性.针对传统联邦学习难以避免与不恰当参与方共享模型的问题,提出一种联邦学习参与方选择方案.设计新的可撤销的密文策略属性基加密算法,在不泄露隐私的前提下对参与方实现高效的访问控制.对所提出的方案进行安全性的深入讨论,同时使用公开的数据集进行模拟实验,结果表明所提方案在提供可靠参与方选择应用的同时极大提升了模型的性能,能促进联邦学习在智慧城市等场景中的广泛落地.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要