基于区块链的差分隐私垂直联邦学习方法
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了基于区块链的垂直联邦学习差分隐私（DP-BBVFL）算法，为去中心化应用提供可验证性和隐私保证。DP-BBVFL 使用智能合约透明地聚合从客户端获取的特征表示，即嵌入。我们应用局部差分隐私来为存储在区块链上的嵌入提供隐私，从而保护原始数据。我们首次原型化了区块链与垂直联邦学习的差分隐私应用。我们使用医疗数据进行的实验表明，DP-BBVFL...
我们提出了基于区块链的垂直联邦学习差分隐私（DP-BBVFL）算法，为去中心化应用提供可验证性和隐私保证。DP-BBVFL 使用智能合约透明地聚合从客户端获取的特征表示，即嵌入。实验表明，DP-BBVFL 在训练时间上具有高准确性和一定的权衡，这种差分隐私和区块链技术的创新融合可能预示着在多个去中心化应用领域中建立协作和可信的机器学习应用的新时代。
