RHODE：基于多参与方同态加密的隐私保护联邦 RNN 训练与预测

RHODE 让 RNN 在跨孤岛联邦学习中用多参与方同态加密完成隐私保护训练与预测，并在被动攻击者威胁模型下缓解针对梯度的攻击。它用多维打包提升加密 SIMD 的批量并行效率，并用梯度裁剪近似避免梯度爆炸。实验显示其模型性能在同构与异构数据分布下接近非安全方案，且随数据持有者数量和时序步数线性扩展。