English(EN) Training Machine Learning Models on Encrypted Data: A Privacy-Preserving Framework using Homomorphic Encryption

新框架使用同态加密在加密数据上训练机器学习模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了一个使用同态加密在加密数据上训练机器学习模型的隐私保护框架。这种方法允许在加密数据上进行计算，在整个机器学习过程中保护敏感信息。该框架成功演示了 K-近邻和线性回归模型的训练，取得了与在未加密数据上训练的模型相当的性能，尽管计算开销和噪声管理方面仍存在挑战。 AI

影响能够在不解密的情况下对敏感数据进行训练，有可能扩大机器学习在受监管行业中的应用。

排序理由学术论文，详细介绍了隐私保护机器学习的新框架。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Alexandre Marques, Beatriz S\'a, Rui Botelho, Pedro Pinto · 2026-04-28 04:00

使用同态加密在加密数据上训练机器学习模型：一个隐私保护框架

arXiv:2604.23245v1 Announce Type: cross Abstract: The use of Machine Learning (ML) for data-driven decision-making often relies on access to sensitive datasets, which introduces privacy challenges. Traditional encryption methods protect data at rest or in transit but fail to secu…