计算机应用研究

作者：胡智勇,于千城,王之赐,张丽丝,

单位：北方民族大学a.计算机科学与工程学院;b.图形图像国家民委重点实验室,银川750021；

关键词：联邦学习,多目标优化,NSGA-Ⅲ算法,本地化差分隐私,参数优化,

基金：宁夏重点研发计划(引才专项)项目(2022YCZX0013)；宁夏重点研发计划(重点)项目(2023BDE02001)；银川市校企联合创新项目(2022XQZD009)；北方民族大学2022年校级科研平台《数字化农业赋能宁夏乡村振兴创新团队》项目(2022PT_S10)；“图像与智能信息处理创新团队”国家民委创新团队资助项目；；

传统联邦学习存在通信成本高、结构异构、隐私保护力度不足的问题，为此提出了一种联邦学习进化算法。应用稀疏进化训练算法降低通信成本，结合本地化差分隐私保护参与方隐私，同时采用NSGA-Ⅲ算法优化联邦学习全局模型的网络结构、稀疏性，调整数据可用性与隐私保护之间的关系，实现联邦学习全局模型有效性、通信成本和隐私性的均衡。不稳定通信环境下的实验结果表明，在MNIST和CIFAR-10数据集上，与FNSGA-Ⅲ算法错误率最低的解相比，该算法所得解的通信效率分别提高57.19%和52.17%，并且参与方实现了（3.46，10-4）和（6.52，10-4）-本地化差分隐私。在不严重影响全局模型准确率的前提下，该算法有效降低了联邦学习的通信成本并保护了参与方隐私。

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