典型文献
一种基于机密计算的联邦学习节点轻量级身份认证协议
文献摘要：
联邦学习框架在保护用户隐私数据安全的同时,满足模型对海量训练数据的需求,被广泛应用于车联网、智慧医疗、金融等领域.然而,参与联邦学习框架的客户端身份复杂,客户端与中央服务器在开放的信道上传递模型参数,给联邦学习框架带来了安全隐患.因此,如何高效准确地识别各参与节点的身份合法性对联邦学习框架十分重要.文章首先结合联邦学习实际需求提出一种基于机密计算的联邦学习节点轻量级身份认证协议,实现了客户端在线注册及数字签名功能.然后在服务器端采用SGX机密计算环境对密钥等关键参数进行保护.最后,文章通过AVISPA仿真工具和非形式化证明方法证明了协议的安全性,并将该协议与近年提出的其他身份认证协议在计算开销、通信开销和存储开销方面进行对比分析,结果表明,该协议具有更好的实用性与先进性.
文献关键词：
联邦学习;机密计算;认证协议;轻量级
中图分类号：
作者姓名：
刘忻;李韵宜;王淼
作者机构：
兰州大学信息科学与工程学院,兰州 730000
文献出处：
引用格式：
[1]刘忻;李韵宜;王淼-.一种基于机密计算的联邦学习节点轻量级身份认证协议)[J].信息网络安全,2022(07):37-45
A类：
B类：
机密计算,联邦学习,轻量级,身份认证协议,用户隐私,隐私数据,训练数据,车联网,智慧医疗,客户端,中央服务器,信道,传递模型,对联,数字签名,服务器端,SGX,计算环境,密钥,AVISPA,仿真工具,形式化证明,证明方法,计算开销,通信开销,存储开销
AB值：
0.307032
相似文献
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。
