1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 并行计算/云计算

基于安全多方计算的隐私保护聚合方法及其在联邦学习中的应用_20260124_073925.docx

基于安全多方计算的隐私保护聚合方法及其在联邦学习中的应用_20260124_073925.docx

    毕业设计（论文）

    PAGE

    1-

    毕业设计（论文）报告

    题目：

    基于安全多方计算的隐私保护聚合方法及其在联邦学习中的应用

    学号：

    姓名：

    学院：

    专业：

    指导教师：

    起止日期：

    基于安全多方计算的隐私保护聚合方法及其在联邦学习中的应用

    摘要：随着大数据时代的到来，隐私保护成为了一个亟待解决的问题。联邦学习作为一种新兴的机器学习技术，在保护用户隐私的同时，能够实现数据本地化处理和模型协同优化。本文提出了一种基于安全多方计算（SMC）的隐私保护聚合方法，该方法在联邦学习框架下，通过安全多方计算技术实现参与方的数据加密和聚合，确保数据隐私不被泄露。

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >