典型文献
基于联邦学习的工业互联网结构优化
文献摘要：
近年来,随着我国互联网通信技术的大力发展,越来越多企业以合作共赢为前提参与到工业互联网体系建设中.然而传统工业互联网模式下,不同企业间数据直接传输无法确保自身数据的安全,例如在学习训练时各参与方存在信息泄露和被篡改风险,从而致使企业利益受损.此外,随着社会各界对于个人隐私的不断重视以及我国相关安全法律法规的不断完善,各企业考虑长远发展,不得不采取相应措施以确保数据安全.联邦学习技术摒弃参与者间数据直接通信而采用模型参数传输,从而减少信息传递被敌手窃取的风险.因此,本文基于联邦学习技术提出工业互联网结构优化举措,以更好保证各企业数据的隐私安全.
文献关键词：
工业互联网;联邦学习;数据安全;结构优化
中图分类号：
作者姓名：
王文鑫;柳彩云;岳梓岩
作者机构：
北京电子科技学院,北京,100070;国家工业信息安全发展研究中心,北京,100040
文献出处：
引用格式：
[1]王文鑫;柳彩云;岳梓岩-.基于联邦学习的工业互联网结构优化)[J].工业信息安全,2022(01):102-107
A类：
B类：
联邦学习,互联网结构,互联网通信,合作共赢,工业互联网体系,互联网模式,不同企业,如在,学习训练,参与方,信息泄露,篡改,个人隐私,国相,安全法律法规,相应措施,学习技术,摒弃,直接通信,参数传输,信息传递,敌手,窃取,出工,优化举措,企业数据,隐私安全
AB值：
0.381663
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
