1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 高等教育
  5. 教育学

基于联邦学习的最小误差量化器设计与实现.pdf

基于联邦学习的最小误差量化器设计与实现.pdf

    1. 1、本文档共51页，其中可免费阅读20页，需付费100金币后方可阅读剩余内容。
    2. 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
    3. 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    4. 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    查看更多

    摘要

    联邦学习（FederatedLearning，FL）是谷歌公司在2016年提出的一种新框架，用

    于保护用户的数据隐私。联邦学习能够在不侵犯用户隐私的同时，完成对特征的提取，

    因此，其已经成为当前的研究热点。但是，联邦学习仍然存在安全隐私泄露的风险。一

    方面，联邦学习的神经网络模型在上传至服务器时，有很大的可能性被潜伏者窃听，并

    通过模型反演的方式得到用户的有效信息。另一方面，联邦学习仍然存在着通信成本过

    高的问题。如今很多小型设备，如医疗物联网设备，对低延迟的要求比较高，而目前流

    行的神经网

    基于联邦学习的最小误差量化器设计与实现.pdf 原文免费试下载

    您可能关注的文档

    最近下载

    文档评论（0）

    136****6583 + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间
    版权声明书
    用户编号：7043055023000005

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >