研究背景
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，现有的联邦学习训练过程仍然存在着数据异质性、参与方数据隐私泄露的问题。
科研目的
在保护隐私的前提下，用联邦学习来挖掘充电桩用户数据的价值，为运营商管理提供决策支持，提高对用户的服务：
- 提出了一种针对数据非独立同分布自适应聚合联邦学习方法。
- 使用差分隐私技术来保证联邦学习训练过程中隐私不被泄露。
研究内容
