课题申报书框架设计模板.docxVIP

课题申报书框架设计模板

一、封面内容

项目名称：面向下一代人工智能的联邦学习隐私保护机制研究

申请人姓名及联系方式：张明，zhangming@aiinst.edu.cn

所属单位：人工智能研究院

申报日期：2023年10月26日

项目类别：应用研究

二．项目摘要

本项目聚焦于联邦学习（FederatedLearning,FL）场景下的隐私保护机制研究，旨在解决多边缘设备协作训练过程中数据隐私泄露与模型泛化性能失衡的核心问题。随着物联网、移动计算等技术的快速发展，联邦学习因其分布式数据处理特性成为跨机构、跨领域模型协同的关键技术。然而，现有联邦学习方案在梯度聚合、模型更新等环节存在隐私泄露风险，如成员推理攻击、梯度泄露等，且传统加密技术（如安全多方计算）会显著降低计算效率。项目拟构建基于差分隐私（DifferentialPrivacy,DP）与同态加密（HomomorphicEncryption,HE）的混合隐私保护框架，通过设计自适应噪声注入算法与轻量化加密协议，在保障数据原始隐私的同时优化模型收敛速度与精度。具体而言，项目将提出两种创新性解决方案：一是研究针对非独立同分布（Non-IID）数据的隐私预算动态分配策略，以平衡隐私保护强度与模型效用；二是开发基于格密码学的轻量级同态加密方案，降低计算开销，使其适用于资源受限的边缘设备。项目采用理论分析与实验验证相结合的方法