计算机应用研究

作者：王斌,郑兵,陈运,

单位：1.佳木斯大学信息电子技术学院a.信息电子技术学院黑龙江省自主智能与信息处理重点实验室;b.佳木斯市卫星导航技术与装备工程技术重点实验室,黑龙江佳木斯154007；2.佳木斯大学科技处,黑龙江佳木斯154007；

关键词：联邦学习,隐私保护,同态加密,中国剩余定理,

基金：黑龙江省高等学校基本科研业务费优秀创新团队建设项目(2023-KYYWF-0639)；佳木斯大学博士专项科研基金启动项目(JMSUBZ2022-12)；；

联邦学习系统中，用户隐私数据易受到攻击者与半诚实服务器的窃取，同时在不稳定通信环境中存在训练准确率低、效率不足的问题。针对上述情况，提出了一种同态加密的高效通信异步联邦学习算法（HEAFed）。HEAFed算法首先利用中国剩余定理（CRT）对客户端的参数更新进行压缩；其次采用改进的Paillier算法对优化后的参数更新进行加密，保证用户隐私安全；再次，引入了参数调整的异步聚合算法，保证延迟客户端的训练成果也能被有效利用；最后实验在MNIST和CIFAR-10数据集上进行，结果表明，HEAFed算法在准确率和效率方面均优于传统隐私保护的联邦学习方法，且在不稳定通信环境中表现更为突出，相较于四种基线算法，准确率分别提高12.59%~43.09%。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期