Federated Learning Framework with Differential Privacy over Homomorphic Vector Encryption for Data-Sensitive Applications
본 논문은 IoMT와 같이 데이터 민감도가 높은 애플리케이션을 역공학 공격으로부터 보호하기 위해 차분 프라이버시(Differential Privacy)와 동형 벡터 암호화(Homomorphic Vector Encryption)를 결합한 경량화되고 안전한 연합 학습 프레임워크를 제안하며, 이와 관련된 예측 및 암호화 오버헤드를 정량화한다.