基于PaddleFL联邦学习框架的学生学习数据隐私计算模型构建 |
| |
作者姓名: | 雷莹 纪娟 陈桂芳 |
| |
作者单位: | 1.四川华新现代职业学院信息工程学院610107;2.四川开放大学高职院610073; |
| |
基金项目: | 四川省教育信息技术研究“十四五”规划2021年度课题“基于双平台的四阶循进混合式教学模式探索”(kt20210923b5b1013);四川华新现代职业学院教学改革课题“翻转课堂在高职计算机类‘卓越工程师’人才培养模式中的应用--以《C语言程序设计》为例”(JG2020025Y)。 |
| |
摘 要: | 基于联邦学习框架,对高职计算机专业在校生的学习数据和毕业后的就业进行研究,运用PaddleFL横向联邦学习进行隐私计算。结果显示,在保证了数据隐私的条件下进行数据联合分析,可以对数据集进行有效训练及预测,证明通过联邦学习框架进行高校数据的多方联合计算和分析是可行的。
|
关 键 词: | 隐私计算 联邦学习 数据融合 学习数据 |
本文献已被 维普 等数据库收录! |
|