基于联邦多任务学习的智慧教室隐私保护研究

在5G时代,随着联网设备的增多,智慧教室中的数据传输变得异常复杂,将联邦学习应用于智慧教室的隐私保护具有重要意义。尽管已有的联邦学习技术在平衡公平性和准确性方面取得了积极进展,但在解决智慧教室场景中的隐私保护问题方面还不够彻底。基于此,文章首先剖析了智慧教室中的多任务学习场景,建立了适用于智慧教室的多任务机器学习公平性模型。随后,文章提出了基于联邦学习框架的智慧教室隐私保护策略——联邦多任务机器学习框架。为了验证此框架的有效性,文章开展了计算机仿真实验,实验结果显示:联邦多任务机器学习框架不仅实现了多任务机器学习公平性和准确性的平衡,而且具有较强的隐私保护能力。文章的研究可为教育数据隐私保护提供重要参考,并有力推动教育数字化转型。