基于联邦学习与差分隐私的多校学生心理健康风险预测系统_教育_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.81万字
  • 约 31页
  • 2026-11-21 发布于北京
  • 举报

基于联邦学习与差分隐私的多校学生心理健康风险预测系统_教育_2026年课程设计.docx

PAGE1

摘要

高校学生心理健康问题日益受到关注,各校心理中心积累的问卷与行为数据是构建风险预测模型的宝贵资源,但这类数据高度敏感,受《个人信息保护法》与教育数据管理规范约束,难以跨校汇总。单一学校样本量有限且分布偏斜,直接本地训练的模型泛化能力差、漏检率高,这是当前心理健康筛查工作面临的核心痛点。

本课题面向高校心理健康筛查场景,设计并实现了FedDP-MHR系统:在数据不出校的前提下,基于联邦平均算法(FedAvg)联合八所虚拟学校的数据协同训练多层感知机风险预测模型,并在客户端训练阶段引入差分隐私随机梯度下降(DP-SGD),通过梯度裁剪与高斯噪声注入提供严格的(ε,δ)-

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档