PulseAugur
中
实时 18:44:03
English(EN) Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels

新协议通过多密钥加密增强联邦学习隐私

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的四阶段协议，用于隐私增强的联邦学习（FL），该协议在无线信道上利用xMK-CKKS多密钥同态加密方案。该协议能够在无需信道估计的情况下安全聚合加密数据，解决了单密钥HE方法的漏洞。所提出的系统与零阶FL集成，确保服务器与多达N-1个客户端勾结时的安全性，并保持O(1/sqrt(K))的收敛速率，这已通过MNIST上的数值结果得到验证。 AI

影响 这项研究可能带来更安全、更私密的联邦学习系统，这对于敏感数据应用至关重要。

排序理由 该集群包含一篇详细介绍联邦学习新协议的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新协议通过多密钥加密增强联邦学习隐私

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Anthony Ayli, Khalil Harris, Jihad Fahs, Mohamad Assaad ·

    Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels

    arXiv:2605.30123v1 Announce Type: cross Abstract: Homomorphic encryption (HE) enables privacy-preserving aggregation in federated learning (FL) by allowing the server to operate on encrypted data without decryption. Existing HE-over-the-air methods mainly rely on single-key HE sc…

  2. arXiv cs.LG TIER_1 English(EN) · Mohamad Assaad ·

    Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels

    Homomorphic encryption (HE) enables privacy-preserving aggregation in federated learning (FL) by allowing the server to operate on encrypted data without decryption. Existing HE-over-the-air methods mainly rely on single-key HE schemes and require channel estimation or pre-equali…

相关实体

相关话题