003 FedSky：An Efficient and Privacy-preserving Scheme for Federated Mobile Crowdsensing（主要关于移动众感知）

移动众感知中高效保护隐私的方法FedSky

方法：FedSky——F-MCS的隐私保护方案，通过扩展经典的FedAvg算法，FedSky基于CG-skyline（constrained group skyline）选择合格的工人，并基于同态加密技术(HE)安全聚合模型更新。

目的：解决F-MCS中存在的问题：①由于计算能力和数据来源的不同，员工数据是异构的。所以应该筛选一些合适的员工数据。②F-MCS是跨平台(cross-device)的联邦学习系统，然而大多数隐私保护技术是跨筒仓的（cross-silo）,因此不能直接应用。

---

为解决员工资料隐私泄露的问题——>将联邦学习与移动众感知相结合——>F-MCS：敏感数据保留在本地，上传优化模型——>仍然存在问题：①由于计算能力和数据来源的不同，员工数据是异构的。所以应该筛选一些合适的员工数据。②F-MCS是跨平台(cross-device)的联邦学习系统，然而大多数隐私保护技术是跨筒仓的（cross-silo）,因此不能直接应用。——>提出FedSky，F-MCS的隐私保护方案，通过扩展经典的FedAvg算法，FedSky基于CG-skyline选择合格的工人，并基于同态加密技术安全聚合模型更新。

同态加密： 是基于数学难题的计算复杂性理论的密码学技术。对经过同态加密的数据进行处理得到一个输出，将这一输出进行解密，其结果与用同一方法处理未加密的原始数据得到的输出结果是一样的。