分享百科

OpenFHE

保护隐私的机器学习：同态加密和联邦学习

本文探讨了两种保护隐私的机器学习方法：同态加密和联邦学习，并将其应用于欺诈检测。同态加密允许在加密数据上进行计算，而无需解密；联邦学习则允许多方在不共享原始数据的情况下协同训练模型。文章介绍了使用这两种技术进行信用卡欺诈检测的实践案例，包括使用OpenFHE库和联邦学习系统Starlit。
同态加密  联邦学习  欺诈检测  隐私保护  机器学习  OpenFHE 

为同态加密选择模数

本文介绍了在同态加密中选择合适的模数（modulus）的重要性。模数直接影响同态加密的有效性和安全性，需要满足特定的数学条件，文中给出了一个 Golang 程序，用于生成满足条件的素数作为模数，并提供了一个OpenFHE的C++示例
同态加密  模数选择  OpenFHE  晶格密码学  BFV  BGV  CKKS 
登链社区