基于联邦学习的配电系统故障预测模型开发（毕业设计）
设计并搭建“客户端本地训练+服务器模型聚合”联邦学习系统，选用随机森林/支持向量机作为基础模型，通过安全聚合机制生成全局模型，确保原始数据不离开本地存储，基于PySyft框架完成客户端训练模块与服务器聚合模块开发，实现参数加密传输、加权平均聚合策略；基于公开电流谐波数据集，模拟多区域配电节点数据隔离场景，完成正常/短路/接触不良三类状态分类任务，目标全局模型准确率达85%以上，验证联邦学习在配电故障预测中的可行性与隐私保护优势。
基于语义水印的动态差分隐私机制研究
- 设计并实现语义水印与差分隐私耦合机制，通过动态隐私预算分配平衡文本语义保留与隐私保护强度
- 使用“词频微调 + 被动句式 + 零宽字符编码”三位一体水印嵌入方案，提升水印隐蔽性与鲁棒性
- 设计水印验证器，支持签名校验、被动句检测与解码分析，实现文本水印精确提取与真实性验证
- 独立完成核心算法实现与实验验证，撰写技术文档
基于安全多方计算的医院患病信息统计系统
- 负责前端界面与前后端交互逻辑开发，实现数据上传、计算启动、结果展示等核心模块
- 设计前端安全校验与错误处理机制，防范 XSS 与注入攻击，保障系统交互过程安全可控
- 集成同态加密与数据分片机制，实现“数据可用不可见”的跨机构隐私保护统计
- 参与系统整合与多节点并发测试，支持多医院节点分布式联合统计