基于车雾环境的联邦学习动态隐私保护方案 |
| |
引用本文: | 郭雅婷,赵佳,黄学臻,张强,孟祥雨.基于车雾环境的联邦学习动态隐私保护方案[J].中国电子科学研究院学报,2023(5):397-406. |
| |
作者姓名: | 郭雅婷 赵佳 黄学臻 张强 孟祥雨 |
| |
作者单位: | 1. 北京交通大学智能交通数据安全与隐私保护实验室;2. 北京交通大学计算机与信息技术学院;3. 公安部第一研究所;4. 北京市公安局网络安全保卫总队 |
| |
基金项目: | 中国铁路总公司科技研究开发计划(P2023W001); |
| |
摘 要: | 当前已经有研究将雾环境与联邦学习结合应用在车联网隐私保护中,但是缺乏对车辆移动性可能导致隐私需求改变的问题的考虑。为此,文中基于区域内车辆终端数目,提出了在不同的隐私需求下实施不同的隐私保护和效率调整的方案,在同态加密方案中进行双重加密聚合并且动态调整本地迭代次数,在差分隐私方案中动态调整每轮云聚合与雾聚合次数。实验表明,在区域内车辆终端数不同的情况下,本方案满足在隐私计算的同时保持较高精度。
|
关 键 词: | 联邦学习 隐私保护 同态加密 差分隐私 雾计算 |
|
|