排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
联邦学习这一类分布式机器学习技术旨在保证使用大数据进行机器学习训练时保护本地数据不泄露.然而一系列机器学习隐私攻击表明,即使不直接暴露本地数据,仅仅通过获取机器学习模型的参数就可以进行数据隐私的窃取.从训练时参与者和聚合端之间传递的中间模型到最后发布的聚合模型,联邦学习的模型发布过程存在诸多隐私威胁.由此出现了大量相关... 相似文献
3.
面对海量异构的身份管理、跨网跨域信任服务和身份隐私保护需求,构建异构身份联盟体系是一种有效的解决方法。针对联盟体系内关于信任评估计算中所存在的隐私泄露问题展开详细的研究,并利用本地差分隐私技术设计具有隐私保护效果的信任评价算法,对其隐私信息进行有效的保护。从理论上证明了该算法满足本地差分隐私,并分析其估计结果的误差大小,进行的相关实验论证说明算法的可行性与有效性。 相似文献
1