近年来人工智能AI在医疗工业和交通等各个领域的应用已越来越广泛有效的推动了这些领域的智能化发展。机器学习ML是AI的核心技术分为集中式机器学习和分布式机器学习传统的机器学习属于集中式。集中式机器学习需要将每个用户的数据放到一起进行统一训练并由一个服务器负责学习和预测这种方法适用于数据量较小或数据分布较为统一的情况。其优点是易于管理和扩展且对数据的安全性有更好的控制39。然而随着大数据时代的到来集中

本文介绍了人工智能在各个领域的应用，以及机器学习技术的集中式和分布式两种形式。随着大数据时代的到来，集中式机器学习暴露了一些问题，分布式机器学习的优势逐渐体现。然而，分布式机器学习也存在数据隐私保护的问题，因此提出了联邦学习作为分布式机器学习的新范式。本文重点介绍了隐私保护的联邦学习（PPFL），并探讨了PPFL的问题和挑战。针对PPFL的问题，本文提出了一种基于分布式双陷门公钥密码系统的定制个性化全局模型算法，同时引入了置信度惩罚进行模型投毒攻击的恶意用户。实验结果表明，该算法能够高效准确地识别投毒梯度，同时保证了算法的精确性。总之，本文介绍了联邦学习的新范式和PPFL的问题，提出了一种解决方案，并在实验中验证了其有效性。