基于联邦学习的隐私保护型大数据分析平台设计与实现.pdfVIP

与

信息技术信息化计算机应用

基于联邦学习的隐私保护型大数据分析平台设计与实现

王建芳1

摘要针对跨机构大数据协作中数据隐私泄露与“数据不出域”的核心矛盾，文章构建了一种基于联邦学习的

隐私保护型大数据分析平台，采用分布式机器学习架构与同态加密技术实现多方数据协同分析的同时保

障“数据不出域”，集成自适应梯度聚合算法与差分隐私机制及安全多方计算协议构建完整的隐私保护

计算框架。实验结果表明该平台在保证数据隐私的前提下模型准确率达到集中式学习的95%以上，通

信开销降低且隐私保护强度提升，该平台为跨机构大数据协作提供了高效可行的技术方案，在金融风控

与医疗诊断等领域具有广阔应用前景。

关键词联邦学习；隐私保护；大数据分析；同态加密；