计算机应用研究

作者：茆启凡,王亮亮,王子涵,

单位：1.上海电力大学计算机科学与技术学院,上海201306；2.杭州师范大学浙江省密码技术重点实验室,杭州311121；

关键词：联邦学习,区块链,图像分类,隐私保护,

基金：国家自然科学基金资助项目(U1936213,61872230)；浙江省密码技术重点实验室开放研究基金资助项目；；

传统的中心化图像分类方法受制于数据隐私问题和计算资源限制，无法满足实际需求。现有的联邦学习框架依赖中心服务器，存在单点故障和数据中毒攻击等安全挑战。为解决这些问题，提出了一种面向隐私保护联邦学习与区块链的图像分类方案，通过将联邦学习与区块链技术相结合，实现在分布式环境下进行图像分类任务的可靠性和安全性。图像分类模型通过联邦学习进行训练，并上传至区块链网络进行验证和共识；在分类阶段，模型通过加权组合得到最终分类结果。实验结果表明，该方案在确保用户隐私的同时提高了图像分类的准确度，为解决图像分类中的数据隐私和安全问题提供了一种有效途径，并为提高分类准确性作出了积极探索。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期