参数不泄露
集成高斯机制与多密钥同态加密，让智能网联车在协作训练时共享的模型参数兼具可证明安全性与高精度，无需在隐私和效用之间妥协。
米波 · Hangcheng, Zou · 黄大荣
IEEE Transactions on Network and Service Management 2025
参数以多密钥同态加密形式参与聚合，即使聚合服务器被攻破也无法还原原始参数。
通过高斯机制消解差分隐私引入的噪声，避免训练性能下降。
对参与聚合的参数进行排序和筛选，有效抵御恶意参与方的投毒行为。