科研背景

科研问题

电动汽车充电桩在实际使用中涉及到密集的多方数据采集、分析和应用，会产生大量的分散数据，这些数据包含了参与方的很多重要信息，我们需要保证数据的隐私和安全性。联邦学习可以在不共享原始数据的情况下进行模型训练，现有的联邦学习的框架仍然面临着数据异质性、隐私泄露和通信瓶颈的挑战。

科研目的

• 提出一种基于秘密共享和差分隐私的联邦学习的框架。
• 使用自适应学习率和梯度的指数加权平均设计出新的联邦学习客户端个性化学习。

研究内容

实验结果