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_080824.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_080824.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:随着大数据和人工智能技术的快速发展,联邦学习作为一种新兴的机器学习框架,在保护用户隐私的同时实现数据共享和模型训练成为可能。然而,联邦学习中的模型聚合过程存在隐私泄露的风险。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,通过SMC技术确保在聚合过程中数据的机密性和完整性。该方法在联邦学习中的

文档评论(0)

1亿VIP精品文档

相关文档