Federated Learning Framework with Differential Privacy over Homomorphic Vector Encryption for Data-Sensitive Applications
本論文は、IoMTのようなデータ機密性の高いアプリケーションをリバースエンジニアリング攻撃から保護するために、差分プライバシーと準同型ベクトル暗号を統合した軽量で安全な連合学習フレームワークを提案し、それに伴う予測および暗号化のオーバーヘッドを定量化するものである。