声明
致谢
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 联邦学习模型训练研究现状
1.2.2 联邦学习隐私保护现状
1.3 主要研究内容及论文架构
1.3.1 主要研究内容
1.3.2 论文架构
2 联邦学习相关工作
2.1 横向联邦学习
2.2 联邦学习环境下高效通信算法
2.2.1 边缘计算
2.2.2 异步通信
2.3 联邦学习环境下隐私保护
2.3.1 模型攻击
2.3.2 同态加密
2.4 本章小结
3 分层联邦环境下的通信效率改进框架
3.1 框架结构设计
3.2 问题描述及算法设计
3.2.1 学习问题
3.2.2 算法设计
3.3 本章小结
4 分层联邦环境下的多密钥同态加密方案设计
4.1 多密钥同态加密
4.2 多密钥同态加密协议设计
4.3 安全性分析
4.3.1 三种攻击模型
4.3.2 DLG攻击
4.3.3 模型对比
4.4 本章小结
5 实验探究与结果分析
5.1 实验设计
5.1.1 数据集介绍
5.1.2 神经网络结构
5.1.3 实验详细设计
5.2 实验结果分析
5.3 本章小结
6 总结与展望
6.1 技术方案研究总结
6.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;