一种高效安全的联邦学习隐私保护方案

摘要

针对联邦学习过程中设备的地理位置、网络状态、存储能力、计算能力、参数交换等多方面差异导致通信效率低、安全性能得不到保障的问题，提出了一种高效的联邦学习数据聚合隐私保护方案。方案通过参与客户端分组并选取组长减少与服务器之间的直接交互次数，运用梯度压缩技术减少客户端上传的参数量，提高通信效率；引入可信第三方并设计高效的密钥协议对参与方上传的参数进行加密来确保隐私安全，每个用户能够独立验证服务器返回的聚合结果。安全性分析表明，提出的方案满足不可区分、数据隐私等安全性能；实验结果显示，方案的准确率较高并且通信开销与对比算法相比也有明显优势。

关键词

联邦学习 / 隐私保护 / 组长选取 / 梯度选择 / 可验证聚合