针对当前联邦学习安全聚合算法应用在复杂网络环境时的通信瓶颈问题，提出一种基于门限同态加密的自适应联邦学习安全聚合方案。在保护梯度隐私的同时，用户根据当前可用带宽自适应压缩梯度，从而极大地降低联邦用户的通信开销。进一步地，在聚合梯度解密阶段，设计了一种全新的动态解密任务分发和梯度结合算法，缓解了用户上行通信压力。实验结果表明，当所提方案的数据通信量为现有方案的4%时，模型预测准确率仅损失1%。
科研之友
微信
新浪微博
Facebook
分享链接
