基于中国剩余定理的Paillier加密改进方法 |
| |
引用本文: | 尚家秀,吴宗航,史腾飞.基于中国剩余定理的Paillier加密改进方法[J].信息技术与信息化,2023(3):133-136. |
| |
作者姓名: | 尚家秀 吴宗航 史腾飞 |
| |
作者单位: | 华北水利水电大学电气工程学院 |
| |
摘 要: | 联邦学习(federated learning, FL)是最近几年快速兴起的一种分布式机器学习算法,可以在不交换数据的前提下保护隐私。但是在模型训练的过程中,由于一些“诚实且好奇”的客户端的参与,可能会导致隐私信息的泄露或遭受到成员推理、属性推理或恢复数据训练等攻击。因此,对于联邦学习中隐私保护技术的研究已经成为新的热点。在现阶段的研究中,常采用同态加密(homomorphic encryption, HE)技术进行隐私保护,而Paillier同态是最常用的加密算法之一。为了使得加密算法更高效,利用中国剩余定理(Chinese remainder theorem, CRT)对Paillier同态加密算法的计算过程进行优化,并与未优化的Paillier加密算法进行对比实验。实验结果表明,优化后的加密算法在联邦学习中,既提升了其隐私性能,也提高了同态加密计算的效。
|
关 键 词: | 联邦学习 Paillier加密 中国剩余定理 数据安全 |
|
|