面向动态算力节点的联邦学习差分隐私重校准方法.docx

面向动态算力节点的联邦学习差分隐私重校准方法.docx

毕业设计(论文)

PAGE

1-

毕业设计(论文)报告

题目:

面向动态算力节点的联邦学习差分隐私重校准方法

学号:

姓名:

学院:

专业:

指导教师:

起止日期:

面向动态算力节点的联邦学习差分隐私重校准方法

摘要:随着互联网和物联网的快速发展,大量的数据被分散存储在各个动态算力节点上。联邦学习作为一种保护数据隐私的机器学习方法,在处理分布式数据时具有显著优势。然而,由于动态算力节点的加入和退出,联邦学习中的差分隐私保护机制面临着新的挑战。本文提出了一种面向动态算力节点的联邦学习差分隐私重校准方法,通过动态调整隐私预算和优化局部模型更新策略

文档评论(0)

1亿VIP精品文档

相关文档