基于SGX的可信执行环境与联邦学习的混合安全增强架构
打开文本图片集
中图分类号：TP393.08 文献标识码：A 文章编号：1006-8228（2026）04-42-05
0引言
随着大数据时代的蓬勃发展，分布式机器学习，特别是联邦学习，已成为打破“数据孤岛”实现协同智能的关键范式。然而，联邦学习在参数交换过程中仍面临着梯度泄露、推理攻击等严峻的隐私威胁，传统的密码学防护手段如同态加密虽能提供强保密性，却带来巨大的计算与通信开销；差分隐私虽轻量但往往以模型精度为代价，在面对恶意敌手时防护能力有限[2。（剩余6843字）