计算机应用研究

作者：马海英,沈金宇,杨天玲,仇健,王占君,

单位：南通大学a.人工智能与计算机学院;b.数学与统计学院,江苏南通226019；

关键词：联邦学习,隐私保护,自适应量化,秘密共享,不经意传输协议,

基金：南通市自然科学基金面上项目(JC2023069)；南通大学信息科学技术学院研究生科研与实践创新计划资助项目(NTUSISTPR24_07)；；

针对现有自适应量化联邦学习存在参与者本地模型参数隐私泄露的问题，提出一种适合智能物联网的高效安全的自适应量化联邦学习方案。该方案利用自适应量化技术减少参与者的通信开销，设置两个聚合服务器，将Diffie-Hellman密钥交换协议、秘密共享方案和不经意传输协议相结合，构造一种保护本地模型参数隐私的安全聚合协议，并在合理假设下证明所提方案的安全性。实验结果表明该方案能够获得较高准确率的全局模型，极大减少了参与者的通信开销和隐私保护计算开销，非常适用于智能物联网中资源受限的轻量级物联网设备。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期