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
本发明公开了一种数据隐私保护和高模型质量的分布式联邦学习方法，该方法包括：系统设置，设备初始化，任务发布，训练与聚合。本发明提出的方法针对联邦学习中数据隐私和模型质量低的问题。该方法主要利用多密钥同态加密、可信执行环境和区块链技术实现。利用分布式思想客户端能够直接交换加密的本地模型，不需要服务器承担聚合任务，从根本上解决单点故障问题。该方法还可以有效检测客户端接收到的更新是否为低质量的模型更新。此外，多密钥同态加密方案用于在客户端之间建立安全信道，以增强数据私密性。该方法还支持客户端加入和离开，
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117251882A
(43)申请公布日2023.12.19
(21)申请号202311434899.3
(22)申请日2023.11.01
(71)申请人华东师范大学
地址200241
文档评论（0）