arXiv ID:
2604.13474
arXiv 提交日期: 2026-04-15
安全且保护隐私的纵向联邦学习 / Secure and Privacy-Preserving Vertical Federated Learning
1️⃣ 一句话总结
这篇论文提出了一种新的、端到端的隐私保护框架,通过将聚合器的角色分配给多个服务器,并结合安全多方计算与差分隐私技术,在纵向联邦学习场景中高效地保护了数据输入和模型输出的隐私,同时大幅降低了计算和通信开销。