基于差分隐私的联邦学习在学生成绩等级预测中的应用研究

姚河花; 赵紫研

doi:10.11907/rjdk.251480

您当前的位置：

首页 >

文章列表页 >

基于差分隐私的联邦学习在学生成绩等级预测中的应用研究

大模型与智慧教育 | 更新时间：2025-12-15

- 基于差分隐私的联邦学习在学生成绩等级预测中的应用研究
- Research on the Application of Differential Privacy-Based Federated Learning for Student Grade Prediction
- “介绍了其在教育预测领域的研究进展，相关专家构建了融合差分隐私机制的联邦学习模型框架，为数据敏感环境下开展学生成绩预测提供了一种兼顾隐私与性能的建模思路。”
- 软件导刊 2025年24卷第11期页码：23-28
- 作者机构：
  
  1.青海大学计算机技术与应用学院
  2.青海省智能计算与应用实验室，青海西宁 810016
- 作者简介：
  
  姚河花（1989-），女，硕士，CCF专业会员，青海大学计算机技术与应用学院讲师，研究方向为草地信息化、机器学习。
- 基金信息：
  
  青海大学教育教学研究项目(JY202417);全国高等院校计算机基础教育研究会计算机基础教育教学研究项目(2025-AFCEC-543)
- DOI：10.11907/rjdk.251480
  中图分类号： G434
- 收稿：2025-07-23，
  
  纸质出版：2025-11-18
- 稿件说明：
移动端阅览
姚河花,赵紫研.基于差分隐私的联邦学习在学生成绩等级预测中的应用研究[J].软件导刊,2025,24(11):23-28.

YAO Hehua,ZHAO Ziyan.Research on the Application of Differential Privacy-Based Federated Learning for Student Grade Prediction[J].Software Guide,2025,24(11):23-28.
姚河花,赵紫研.基于差分隐私的联邦学习在学生成绩等级预测中的应用研究[J].软件导刊,2025,24(11):23-28. DOI： 10.11907/rjdk.251480.

YAO Hehua,ZHAO Ziyan.Research on the Application of Differential Privacy-Based Federated Learning for Student Grade Prediction[J].Software Guide,2025,24(11):23-28. DOI： 10.11907/rjdk.251480.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于动态优化客户端训练的联邦检索增强生成框架

基于图神经网络的在线恶意用户识别研究

基于多权重主观逻辑的联邦学习攻击防御机制

面向混合型数据集自适应聚类的差分隐私保护算法

一种改进的差分隐私聚类位置保护方法

基于差分隐私的联邦学习在学生成绩等级预测中的应用研究

Research on the Application of Differential Privacy-Based Federated Learning for Student Grade Prediction

DOI：10.11907/rjdk.251480