多年行业经验
专业优秀团队
一站式出版服务多年行业经验
专业优秀团队
一站式出版服务多年行业经验
专业优秀团队
一站式出版服务多年行业经验
专业优秀团队
一站式出版服务多年行业经验
专业优秀团队
一站式出版服务
您的位置：首页>期刊>工程技术论坛
《工程技术论坛》是一本关注工程技术最新研究进展的国际开源中文期刊，刊登的内容主要面向工程管理跟工程技术，反映国内外工程建设领域的高新技术应用模式和工程管理的新理论、新方法，服务于工程建设各阶段的管理工作，提升工程建设管理水平和从业人员素质。
期刊范围:建设经济与管理、城乡建设管理、项目管理、技术创新、施工技术、电力技术、工程技术、预算与造价，房地产经济与管理、建设工程研究施工组织与管理，工程项目招投标与合同管理，工程建设监理等。
本刊是一本由同行评审的高要求、高水准的学术期刊出版物，编者鼓励与本刊相关的、有理论和实践贡献的来稿
文稿严禁抄袭，一律文责自负。
上海学昶信息技术有限公司，上海闵行区，201100；
摘要：在隐私保护背景下，联邦学习模型训练过程中，数据的非唯一性、不可预测性、分布不均匀等特点使得数据和模型的安全性受到挑战。如何在保证数据隐私和安全性的同时，实现模型的高效训练，成为联邦学习技术研究的关键。本文首先探讨了面向隐私保护的联邦学习模型训练过程中存在的问题，然后介绍了基于数据传输与同步技术和差分隐私技术的联邦学习模型训练效率优化方法，并基于上述优化方法进行了模型训练效率优化实践。最后以跨设备协同学习为例，探讨了基于隐私保护和性能提升相结合的联邦学习模型训练方法，并在数据安全和隐私保护下实现了跨设备协同学习。
关键词：面向隐私保护；联邦学习；模型训练效率优化；跨设备协同学习
参考文献
[1]刘洵.联邦学习的安全梯度聚合及训练效率优化方法[D].中国科学技术大学,2025.
[2]王建树,张南方,徐方,等.基于卷积神经网络的异型卷烟分拣优化算法研究[J].湖北工程学院学报,2024,44(06):82-87.
[3]沈良铎.无线联邦学习的能量效率优化方法[D].北京邮电大学,2024.
[4]曹婧.面向异构分布式系统的深度神经网络训练效率优化方法研究[D].中国科学技术大学,2024.
[5]姚飞翔.异构GPU集群下分布式深度学习训练效率优化研究[D].西北农林科技大学,2023.
