原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种云边端协同的基于模型分割和同态加密的高效联邦学习隐私保护方法，包括：密钥管理机构初始化密钥参数生成公钥和私钥，将公私钥对发送到各边缘节点，公钥发送到云服务器；云服务器根据训练任务加载预训练模型并分割为特征提取层和隐藏层；云服务器向物联网客户端发送特征提取层作为客户端模型；云服务器初始化隐藏层并使用公钥对隐藏层进行加密后发送至边缘端作为初始化边缘端模型；物联网客户端使用客户端模型对数据集进行特征提取发送至边缘节点；本发明使用全同态加密CKKS方案作为隐私技术，保证了边缘节点训练模型
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116980107 A
(43)申请公布日 2023.10.31
(21)申请号 202310940709.9 H04L 9/40 (2022.01)
(22)申请日 2023.07.2
文档评论（0）