基于联邦学习的网络多敏感属性数据并行加密

作     者：王晨飞 赵文华 安业腾 朱青 马建勋 WANG Chenfei;ZHAO Wenhua;AN Yeteng;ZHU Qing;MA Jianxun

作者机构：国家电网有限公司客户服务中心天津300300 国网思极检测技术(北京)有限公司北京100192 

基　　金：天津市电力公司科技项目(KJ08-2-9) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第22期

页      码：166-169,174页

摘      要：网络多敏感属性数据量较大,且噪声数据占比较高,导致数据加密效果不佳。因此,提出基于联邦学习的网络多敏感属性数据并行加密方法。在去中心化联邦架构下,构造公钥密钥和私钥密钥。选取两个维度数据构成网络多敏感属性数据集合,将多敏感属性数据作为子密文对数据进行训练,并将输入的随机误差向量作为基础密文。构建基于联邦学习的并行加密框架,结合重加密方法完成多敏感属性数据的并行加密。实验结果表明,该方法加密过程中的最大平均绝对误差仅达到0.2,能够有效剔除全部噪声数据,并保证数据不被泄露,加密效果好。

主 题 词：联邦学习 多敏感 属性数据 并行加密 

学科分类：0809[工学-计算机类] 08[工学] 

D　O　I：10.14022/j.issn1674-6236.2024.22.035

馆 藏 号：203154841...