基于联邦学习的边缘计算隐私保护

摘要

联邦学习是1种分布式机器学习技术和框架,保障数据隐私安全的同时实现数据共享和数据建模。基于边缘计算的联邦学习是目前处理大量互联网数据的1种有效方法。介绍联邦学习及边缘计算的相关概述,分析联邦学习存在的隐私风险,提出差分隐私、同态加密以及区块链技术等一系列解决隐私分析的有效策略。