返回
Efficient Data Collaboration Using Multi-Party Privacy Preserving Machine Learning Framework
DOI:10.1109/ACCESS.2023.3339750.png)
摘要
En 中文
在数据驱动的洞察力是技术进步基础的现代时代,保护敏感信息的隐私和安全,同时利用多方的集体智慧是当务之急。这项研究提出了一种安全的协作学习算法 (SCLA),可以在不影响数据隐私的情况下促进高效的多方机器学习。我们的研究重点是利用现有的安全数据库,而无需额外的数据收集过程。SCLA集成了同态加密和联邦学习 (FL),以实现各个利益相关者之间的安全数据协作。所提出的算法以隐私保护的方式聚合模型更新,展示了增强的模型准确性,具有竞争力的收敛速度和强大的可扩展性。通过仔细平衡隐私保护和学习效率,SCLA展示了使用现有数据存储库进行以隐私为中心的协作学习的有希望的途径。
Keyword:
Big data
secure data collaboration
big data processing and machine learning
data privacy
secure computation
encryption key management
data fusion techniques
protection and privacy
期刊
IF:
3.6
论文数:
9.8W
被引数:
36.3W
机构
引用论文
Preparation and Characterization of Inclusion Complexes of Poly(propylene glycol) with Cyclodextrins

