基本信息

---

下载

文档摘要

---

联邦学习在数据隐私保护与人工智能协同中的应用

1.引言

1.1研究背景

随着信息技术的飞速发展，大数据和人工智能已经成为推动社会进步和经济转型的重要引擎。然而，在数据驱动的人工智能应用中，数据隐私保护问题日益凸

显。传统的中心化数据模式要求将数据集中存储和处理，这不仅增加了数据泄露的风险，还引发了用户对个人隐私保护的担忧。特别是在医疗、金融、政务等领域，数据的敏感性更高，中心化存储和处理模式难以满足合规性和安全性要求。

为了解决这一问题，联邦学习(FederatedLearning,FL)作为一种新兴的分布式机器学习技术应运而生。联邦学习允许多个参与方在不共享原始数据