期刊信息
刊名：安全与环境学报
主办：北京理工大学;中国环境科学学会;中国职业安全健康协会
主管：中国兵器工业集团有限公司
ISSN：1009-6094
CN：11-4537/X
语言：中文
周期：双月
影响因子：0.814499
数据库收录：
北大核心期刊（2008版）;北大核心期刊（2011版）;北大核心期刊（2014版）;北大核心期刊（2017版）;化学文摘（网络版）;中国科学引文数据库（2011-2012）;中国科学引文数据库（2013-2014）;中国科学引文数据库（2015-2016）;中国科学引文数据库（2017-2018）;中国科学引文数据库（2019-2020）;日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类：环境科学与资源利用
期刊热词：
安全工程
主办：北京理工大学;中国环境科学学会;中国职业安全健康协会
主管：中国兵器工业集团有限公司
ISSN：1009-6094
CN：11-4537/X
语言：中文
周期：双月
影响因子：0.814499
数据库收录：
北大核心期刊（2008版）;北大核心期刊（2011版）;北大核心期刊（2014版）;北大核心期刊（2017版）;化学文摘（网络版）;中国科学引文数据库（2011-2012）;中国科学引文数据库（2013-2014）;中国科学引文数据库（2015-2016）;中国科学引文数据库（2017-2018）;中国科学引文数据库（2019-2020）;日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类：环境科学与资源利用
期刊热词：
安全工程
计算机软件及计算机应用论文_基于博弈论优化的
【作者】网站采编
【关键词】
【摘要】文章摘要:随着网络信息技术与互联网的不断发展，数据的隐私与安全问题亟待解决，联邦学习作为一种新型的分布式隐私保护机器学习框架应运而生。本文针对联邦学习隐私安全问题，
文章摘要:随着网络信息技术与互联网的不断发展，数据的隐私与安全问题亟待解决，联邦学习作为一种新型的分布式隐私保护机器学习框架应运而生。本文针对联邦学习隐私安全问题，基于博弈论和Micali-Rabin随机向量表示技术提出一种具有隐私保护的高效联邦学习方案。在方案中首先利用博弈论设计联邦学习博弈模型，并结合Micali-Rabin随机向量表示技术构造高效的联邦学习方案；其次，结合Pedersen承诺方案实现高效联邦学习的隐私保护，以此保障联邦学习中各参与方数据的安全与隐私，以及各参与方的利益；最后，实验的安全与性能分析结果表明，该方案不仅提高了联邦学习的通信效率，且全局参与者能到达帕累托最优状态，同时保证了各诚实参与者的利益与安全隐私。
文章关键词:
文章来源：《安全与环境学报》 网址: http://www.aqyhjxb.cn/qikandaodu/2021/1018/2165.html