基于联邦学习的隐私安全和高效通信模型 |
| |
引用本文: | 黄国鹏,马鑫,谭美淋,李治江.基于联邦学习的隐私安全和高效通信模型[J].无线电工程,2022(3):417-422. |
| |
作者姓名: | 黄国鹏 马鑫 谭美淋 李治江 |
| |
摘 要: | 深度学习的应用日益广泛,训练样本是深度学习模型的基础.但是在军事、 商业和金融等领域中,往往会出现模型训练时样本数据分散不易集中和隐私保护等问题.因此,数据隐私安全的研究非常重要.以某领域命名实体识别为应用场景,提出了FedPBert模型,采取了横向联邦学习的方式对Bert模型进行了预训练和微调.为了提高模型的精度,采...
|
关 键 词: | 联邦学习 隐私安全 通信效率 同态加密 命名实体识别 |
|
|