一个保护隐私的、分布式的、合作的基于 FCM 的癌症研究学习方法

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文提出了一种结合差分隐私和安全多方计算的联邦学习方法,保证训练和最终模型的隐私性,同时保持较高的预测准确率。该方法适用于多种机器学习模型的训练,并在实验中验证了其优越性。

🎯

关键要点

  • 提出了一种结合差分隐私和安全多方计算的联邦学习方法。
  • 该方法保证训练和最终模型的隐私性。
  • 能够保持较高的预测准确率。
  • 适用于多种机器学习模型的训练。
  • 实验验证了该方法的优越性。
➡️

继续阅读