分享人:LTZ
假设Alice和Bob想共同训练一个网络模型,Alice和Bob各自持有一部分训练数据,并且他们不想把自己的数据泄露给对方。那么在训练期间,Alice和Bob需要交互各自训练的梯度数据,并根据双方的梯度数据,共同计算一个对双方都合适的梯度值,用来执行联合梯度下降过程。
联邦学习是一种带有隐私保护、安全加密技术的分布式机器学习框架,旨在让分散的各参与方在满足不向其他参与者披露隐私数据的前提下,协作进行机器学习的模型训练。
(Homomorphic Encryption)
它允许人们对密文进行特定形式的代数运算得到仍然是加密的结果,将其解密所得到的结果与对明文进行同样的运算结果一样。
1978年,Rivest、Adleman和Dertouzos提出了全同态加密的构想.
满足任意运算同态性的加密算法称为全同态加密。同时满足乘法同态和加法同态特性.
加密相同明文,得到的密文是不同的
选择明文攻击下密文不可区分性(IND-CPA)
1.[Public-Key Cryptosystems Based on Composite Degree Residuosity Classes]
2.[一文了解同态加密(Homomorphic Encryption, HE)_思源湖的鱼的博客-CSDN博客](https://blog.csdn.net/weixin_44604541/article/details/118145637)
3.[RSA选择明密文攻击 | NonupleBroken](https://www.nonuplebroken.com/2018/11/21/RSA选择明密文攻击/#选择明文攻击)
4.[我的隐私计算学习——同态加密-CSDN博客](https://blog.csdn.net/weixin_47695607/article/details/134644160)
5.[同态加密 - 维基百科,自由的百科全书 (wikipedia.org)](https://zh.wikipedia.org/wiki/同态加密)
6.[CINTA]
7.[联邦学习|同态加密:实现数据的“可算不可见”-腾讯云开发者社区-腾讯云 (tencent.com)](https://cloud.tencent.com/developer/article/1857222)
8.[经典同态加密算法Paillier解读 - 原理、实现和应用 - 简书 (jianshu.com)](
9.[隐私计算]https://cloud.tencent.com/developer/article/2017363
10.联邦学习[终于有人把联邦学习讲明白了_hzbooks的博客-CSDN博客](
祝你好运