联邦学习中隐私保护与模型可解释性兼顾的算法及安全协议设计1

联邦学习中隐私保护与模型可解释性兼顾的算法及安全协议

设计

1.联邦学习概述

1.1定义与原理

联邦学习是一种分布式机器学习方法，旨在让多个参与方在不共享数据的情况下

共同训练模型，从而保护数据隐私。其核心在于通过加密技术、差分隐私等手段，在数

据不出本地的前提下，实现模型的联合优化。