来源：期刊VIP网 时间：
作者：田根源;
单位：驻马店职业技术学院信息工程学院;
摘要：拆分学习可在不共享原始数据的情况下，由客户端同服务端协作训练深度学习模型，成为隐私保护领域的研究热点。然而，拆分学习仍面临数据重构攻击，其威胁着参与者的敏感信息。提出基于二进制拆分学习的数据隐私保护算法。BSLP算法将客户端所训练的本地模型进行二值化，降低由拆分层输出值导致的数据泄露损失。BSLP算法引用差分隐私机制，在数据中添加噪声，进而泛化数据。以4个典型的数据集进行实验，分析BSLP算法的分类准确率和隐私保护性能。分析结果表明，提出的BSLP算法在MNIST数据集上的分类准确率达到97%，而KL散度为3.68，验证了BSLP算法具有较强的隐私保护性能的事实。
关键词：联邦学习;;隐私保护;;拆分学习;;二值化;;差分隐私
基金资助：河南省科技攻关计划资助项目（212102210515）
