1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 数据结构与算法

面向联邦学习的数据隐私保护协议研究.pdf

面向联邦学习的数据隐私保护协议研究.pdf

此“司法”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考
    1. 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. 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. 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    查看更多

    摘要

    摘要

    联邦学习是一种分布式的机器学习技术，它能让多个参与者在没有分享自身信息

    的前提下一起进行模型的训练，保护了数据的隐私性。然而，在实际应用过程中联邦

    学习还存在着诸多困难和挑战。例如目前在联邦学习模型训练中最常用的梯度下降法，

    参与者在本地进行训练后将训练所得的梯度上传到服务器进行聚合，以此来对模型参

    数进行一轮更新。但是所传输梯度的特性使得梯度本身也蕴含着用户的隐私数据。因

    此，如何在实际应用中保证训练过程中的参数安

    您可能关注的文档

    最近下载

    文档评论（0）

    dongbuzhihui + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >