Secure and Efficient Federated Ensemble Learning for Hyperspectral Image Classification

Mahajan, Shveta

doi:10.1080/03772063.2026.2651258

Secure and Efficient Federated Ensemble Learning for Hyperspectral Image Classification

2026-04-01

0

PRE

AI

M

Mahajan, Shveta

DOI：10.1080/03772063.2026.2651258

原文链接

原文求助

摘要

En 中文

高光谱成像（HSI）技术在环境监测、农业、军事侦察和地理测绘等实际应用中得到了广泛应用。尽管联邦学习（FL）允许在不共享原始数据的情况下进行去中心化模型训练，但传输模型更新仍可能导致敏感信息泄露。为解决此问题，我们提出了ADP-SSL（自适应差分隐私安全套接层）隐私保护FL框架，该框架结合了自适应差分隐私与SSL通信。此设计确保了模型更新的安全传输，同时相较于传统加密技术降低了计算与通信开销。此外，为应对客户端间非独立同分布（non-IID）数据带来的挑战，我们引入了FedEL（联邦集成学习）。我们在标准HSI数据集（包括印第安松树、帕维亚大学和黑麦）上评估了所提方法。实验结果表明，ADP-SSL有效缓解了隐私风险且性能下降极小，而FedEL在non-IID场景下提升了分类精度。这些方法共同为实际分布式HSI分类提供了可扩展且安全的解决方案。

Keyword:

Distributed systems

Ensemble methods

Federated learning

Hyperspectral image classification

Privacy-preserving learning

Secure socket layer

Secure and Efficient Federated Ensemble Learning for Hyperspectral Image Classification

摘要

期刊

机构