Indexed by：
Abstract：
本发明公开了基于同态加密和秘密共享的联邦学习隐私保护方法，所述方法包括基于同态加密的梯度保护方法和基于秘密共享的随机数保护方法两部分，主要针对初始化阶段、模型训练阶段、模型聚合阶段和模型更新阶段四个阶段。通过采用基于同态加密的梯度保护方法，实现了对梯度的保护，同时可以完成梯度密文的聚合，既有效防止梯度隐私信息的泄露，又能实现梯度的安全聚合；通过基于秘密共享的随机数保护方法，对梯度密文实现了保护，同时又对梯度密文保护的随机数进行了保护，可以有效防止聚合服务器，密钥生成服务器和参与方之间的共谋攻击，进一步保障了三者交互过程中梯度信息的安全性。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： CN202110235514.5
Filing Date： 2021-03-03
Publication Date： 2023-02-28
Pub. No.： CN113037460B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 37
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 21
Affiliated Colleges：
