Computer Engineering Commons^™

การเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง, กนกภรณ์ ปัญจันทร์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มุ่งเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง เพื่อแก้ปัญหาความไม่สอดคล้องระหว่างแผนการอัดประจุกับพฤติกรรมการอัดประจุจริงของผู้ใช้ โดยเริ่มจากการพัฒนาแบบจำลองการทำนาย (Predictive Model) เพื่อคาดการณ์ความต้องการพลังงาน ระยะเวลาการอัดประจุ และสถานะการประจุเริ่มต้นของแบตเตอรี่ (State of Charge: SOC) จากข้อมูลการอัดประจุในอดีต จากนั้นได้ทำการสร้างโปรไฟล์การอัดประจุของแบตเตอรี่ที่เป็นตัวแทนของรถยนต์แต่ละรุ่น เพื่อสะท้อนลักษณะการอัดประจุจริงทั้งในกรณีของเครื่องอัดประจุแบบกระแสสลับ (AC) และกระแสตรง (DC) แล้วนำข้อมูลดังกล่าวมาใช้ในการเพิ่มประสิทธิภาพการจัดตารางการอัดประจุของสถานีอัดประจุ ผลการจำลองแสดงให้เห็นว่าวิธีการที่เสนอ (Optimization with Battery Profile) ให้ประสิทธิภาพสูงกว่าวิธีการทั่วไปที่ไม่ใช้ข้อมูลโปรไฟล์แบตเตอรี่ โดยสามารถเพิ่มกำไรของสถานีได้สูงสุด 3,145.3 บาท และเพิ่มอัตราการใช้พลังงานของระบบได้ร้อยละ 4.8 ในกรณีที่มีสัดส่วนเครื่องอัดประจุ DC แตกต่างกัน อีกทั้งยังให้ผลลัพธ์ที่ดีอย่างต่อเนื่องภายใต้ข้อจำกัดกำลังพีคของสถานี โดยเพิ่มกำไรได้สูงสุด 3,649.25 บาท และเพิ่มอัตราการใช้ประโยชน์ของระบบได้ร้อยละ 9.6 สะท้อนถึงประสิทธิภาพของแนวทางที่เสนอในการจัดการพลังงานอย่างชาญฉลาดสำหรับสถานีอัดประจุรถยนต์ไฟฟ้าในอนาคต

การสร้างแบบจำลองเชิงรูปนัยของกระแสงานบีพีเอ็มเอ็นสำหรับกระบวนการซิงโครนัสและอะซิงโครนัสที่มีข้อจำกัดช่วงเวลาโดยใช้เครือข่ายไทมด์ออโตมาตา, กิตติศักดิ์ เขตรการณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

แบบจำลองบีพีเอ็มเอ็นมีบทบาทสำคัญในการออกแบบกระบวนการธุรกิจสมัยใหม่ที่มีการประมวลผลหลายส่วนพร้อมกันและรูปแบบการสื่อสารทั้งแบบซิงโครนัสและอะซิงโครนัส แต่ด้วยความเป็นแผนภาพเชิงกราฟิก บีพีเอ็มเอ็นไม่สามารถทวนสอบเชิงรูปนัยได้โดยตรง และมาตรฐานเดิมยังไม่รองรับการกำหนดข้อจำกัดช่วงเวลาให้กับกิจกรรม งานวิจัยนี้จึงเสนอการขยายบีพีเอ็มเอ็นเป็นแบบจำลองทีบีบีพี (Time-Bounded BPMN: TBBP) เพื่อรองรับการกำหนดข้อจำกัดช่วงเวลาต่ำสุด–สูงสุดของกิจกรรม พร้อมออกแบบแบบรูปสำหรับการสื่อสารแบบซิงโครนัสและอะซิงโครนัส รวมทั้งพัฒนากฎการแปลงทีบีบีพีไปเป็นไทมด์ออโตมาตาเพื่อทวนสอบด้วย UPPAAL และกฎการแปลงข้อคำถามจากตรรกศาสตร์เชิงเวลาแบบเมตริก (MTL) ไปเป็นตรรกศาสตร์เชิงเวลาแบบต้นไม้คำนวณแบบมีเงื่อนไขเวลา (TCTL) นอกจากนี้ได้พัฒนาเครื่องมือ TBBPTA Tool เพื่อแปลงไฟล์บีพีเอ็มเอ็น (XML) เป็นแบบจำลองไทมด์ออโตมาตา (XML) ที่สามารถนำเข้าสู่ UPPAAL เพื่อทวนสอบได้โดยอัตโนมัติ

เครื่องมือสำหรับการตรวจสอบสินทรัพย์สารสนเทศจากแบบรูปความมั่นคง, ธีระยุทธ คชงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

สินทรัพย์สารสนเทศมีความสำคัญอย่างยิ่งต่อการดำเนินงานและความสำเร็จขององค์กร หากสินทรัพย์เหล่านี้รั่วไหลหรือถูกเข้าถึงโดยบุคคลที่ไม่ได้รับอนุญาต อาจก่อให้เกิดความเสียหายอย่างมากหรือความสูญเสียทางความเชื่อมั่นได้ ด้วยเหตุนี้การจัดหาวิธีการที่เหมาะสมเพื่อทวนสอบการออกแบบระบบเพื่อรักษาความมั่นคงของสินทรัพย์สารสนเทศจึงเป็นสิ่งจำเป็น งานวิจัยนี้มุ่งเน้นการทวนสอบแบบจำลองการออกแบบความมั่นคงของระบบที่ออกแบบโดยนักออกแบบความมั่นคงของระบบ ด้วยการใช้แผนภาพคลาส ที่สร้างขึ้นจากรูปแบบความมั่นคงและงานวิจัยที่เกี่ยวข้อง เป็นโมเดลอ้างอิงการออกแบบโครงสร้างด้านความมั่นคง ขอบเขตของแบบรูปความมั่นคงที่ใช้ในงานวิจัยนี้ครอบคลุมความปลอดภัยและการจัดการความเสี่ยงขององค์กร, การระบุตัวตนและการพิสูจน์ตัวจริง, และการควบคุมการเข้าถึงพร้อมทั้งนำเสนอกลไกการทวนสอบระหว่างแผนภาพคลาสสองชุด ซึ่งประกอบด้วยแผนภาพที่ออกแบบโดยนักออกแบบระบบ และแผนภาพจากแบบจำลองโดยใช้อัลกอริทึมสองรายการ ได้แก่ อัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนขององค์ประกอบภายในแต่ละคลาส และอัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนของความสัมพันธ์ระหว่างคลาส นอกจากนี้ ยังได้พัฒนาเครื่องมือซอฟต์แวร์เพื่อสนับสนุนการทวนสอบแผนภาพคลาส ซึ่งผลลัพธ์ที่ได้จากการใช้งานเครื่องมือนี้คือ แสดงองค์ประกอบคลาสตามแบบจำลองที่ได้นำเสนอและสร้างที่ขาดหายไป พร้อมคำแนะนำและคำอธิบายที่เหมาะสมเพื่อช่วยสนับสนุนให้นักออกแบบระบบมีความเข้าใจในแนวคิดและการออกแบบความมั่นคงได้ดียิ่งขึ้น เครื่องมือที่นำเสนอได้ถูกทดสอบกับกรณีศึกษาระบบจัดการข้อมูลผู้ป่วย เพื่อยืนยันประสิทธิผลของเครื่องมือในการสนับสนุนการทวนสอบการออกแบบความมั่นคงของระบบ

ปัญญาประดิษฐ์ในบทบาทนักวิเคราะห์ข้อมูล : กรอบแนวคิดสำหรับการวิเคราะห์เชิงข้อมูลแบบอัตโนมัติด้วยแบบจำลองภาษาขนาดใหญ่และตัวแทนปัญญาประดิษฐ์, วิชญาดา เล้าสุบินประเสริฐ

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิเคราะห์เชิงข้อมูลที่ดำเนินการโดยมนุษย์มีความท้าทาย เนื่องจากต้องใช้เวลา ทักษะเฉพาะทาง และทรัพยากรจำนวนมาก งานวิจัยนี้มีจุดมุ่งหมายเพื่อค้นหาวิธีในการใช้ปัญญาประดิษฐ์เชิงสร้างสรรค์เพื่อทำให้กระบวนการวิเคราะห์ข้อมูลเป็นแบบอัตโนมัติ โดยปฏิบัติตามวิธี 6 ขั้นตอน ได้แก่ ถาม เตรียม ประมวลผล วิเคราะห์ แบ่งปัน และดำเนินการ โดยไม่มีมนุษย์เข้ามาแทรกแซงตลอดกระบวนการวิเคราะห์ การดำเนินการเริ่มตั้งแต่ผู้ใช้ป้อนชุดข้อมูล วัตถุประสงค์ที่ต้องการ บริบทของข้อมูล และสมมติฐานที่มีอยู่ก่อน จากนั้นระบบจะสร้างคำสั่ง และดำเนินงานต่าง ๆ โดยอัตโนมัติผ่านตัวแทนปัญญาประดิษฐ์ที่ออกแบบเฉพาะทาง โดยตัวแทนเหล่านี้มีบทบาทในการวางแผนและกำหนดการดำเนินงาน โดยอาศัยแบบจำลองภาษาขนาดใหญ่ในการสร้างแนวคิดและใช้เหตุผลเพื่อกำหนดแนวทางการวางแผนและการดำเนินการ ผลการทดลองจาก 5 ชุดข้อมูลในสาขาที่แตกต่างกัน ได้แก่ การศึกษา สุขภาพ ธุรกิจ สิ่งแวดล้อม และเศรษฐกิจ แสดงให้เห็นว่า ผลการประเมินตามเกณฑ์คะแนนการวิเคราะห์เชิงข้อมูลเฉลี่ย 8.1 – 9.4 จากคะแนนเต็ม 10 โดยมีความสอดคล้องระหว่างผลการประเมินโดยแบบจำลองภาษาขนาดใหญ่และมนุษย์เฉลี่ย 0.94 – 0.97 มีเวลาในการดำเนินงานเฉลี่ย 1.8 - 6.6 นาที มีข้อผิดพลาดเฉลี่ย 0.2 - 1.8 ครั้ง และมีความสามารถในการทำงานต่าง ๆ เช่น ประมวลผลโค้ด คำนวณสถิติหรือสร้างแบบจำลองการเรียนรู้ของเครื่อง และแสดงผลภาพได้ งานวิจัยนี้ชี้ให้เห็นถึงศักยภาพของแบบจำลองภาษาขนาดใหญ่ในการทำหน้าที่เป็นนักวิเคราะห์ข้อมูลเสมือน และสามารถต่อยอดระบบวิเคราะห์เชิงข้อมูลแบบอัตโนมัติในสาขาต่าง ๆ ได้ในอนาคต

แบบจำลองเชิงรูปนัยของกระบวนการจัดการโครงการในมาตรฐาน Iso/Iec29110 โดยใช้คัลเลอร์เพทริเน็ต, วรันณ์ธร ศิริกระจาย

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้นำเสนอแนวทางการตรวจสอบความถูกต้องเชิงรูปแบบ (Formal Verification) ร่วมกับกรอบการประเมินผลผ่านระบบเว็บแอปพลิเคชันสำหรับองค์กรขนาดเล็กประเมินตนเอง เพื่อสนับสนุนการปฏิบัติตามกระบวนการบริหารโครงการ (Project Management: PM) ของมาตรฐาน ISO/IEC 29110 สำหรับองค์กรขนาดเล็กมาก (Very Small Entities: VSEs) โดยใช้แบบจำลอง Colored Petri Nets (CPNs) ในการนิยามและจำลองกระบวนการหลักของ PM ได้แก่ การวางแผน การดำเนินโครงการ การควบคุม และการปิดโครงการ พร้อมทั้งตรวจสอบคุณสมบัติที่สำคัญของกระบวนการเหล่านี้อย่างเป็นระบบและระบบเว็บแอปพลิเคชันถูกพัฒนาขึ้นเพื่ออำนวยความสะดวกในการเก็บรวบรวมข้อมูล เรียกใช้การจำลอง และนำเสนอผลการประเมิน ข้อมูลที่ได้รับจากผู้ใช้จะถูกแปลงให้อยู่ในรูปของโทเคน เพื่อนำไปประเมินผ่านแบบจำลอง CPN และเชื่อมโยงผลลัพธ์กับระดับการปฏิบัติตามมาตรฐานในแต่ละกระบวนการของ ISO/IEC 29110 PM การทดลองใช้งานระบบยืนยันถึงความถูกต้อง ความสามารถในการตรวจสอบย้อนกลับ และประสิทธิภาพในการดำเนินงานของระบบที่นำเสนอ การผสานรวมระหว่างแบบจำลองเชิงรูปแบบกับระบบอัตโนมัติผ่านเว็บแอปพลิเคชันนี้ เป็นทางเลือกที่มีความยืดหยุ่นและเชื่อถือได้ โดยช่วยเสริมสร้างความเข้มงวดในการตรวจสอบ การประเมินกระบวนการอย่างเป็นระบบ และรองรับการนำไปใช้งานจริงผ่านส่วนติดต่อผู้ใช้ที่เข้าใจง่ายและเหมาะสมกับองค์กรพัฒนาซอฟต์แวร์ขนาดเล็กก่อนรับการตรวจสอบจากผู้ตรวจสอบ

Motion Planning For A Flexible Modular Raft Robot, Chun-Yi She

Dartmouth College Master’s Theses

This thesis presents a hierarchical motion planning framework for SoftRafts, a modular and deformable aquatic robot capable of performing locomotion and manipulation tasks on water surfaces. SoftRafts consist of soft and rigid components that enable structural reconfiguration, offering adaptability in unstructured aquatic environments.

To address the complexity of planning in high-dimensional, deformable systems, the proposed method uses a bounding-shape abstraction, specifically, enclosing circles and rectangular bounding boxes to simplify motion planning. These enclosures abstract the robot's overall shape, reducing the high-dimensional planning problem into a lower-dimensional problem. A global planner uses a probabilistic roadmap (PRM) to compute a collision-free path …

Toward General Purpose Llms: From Domain Alignment To Multimodal And Multi-Agent Systems, Thang Nguyen

Dartmouth College Master’s Theses

Large Language Models have shown remarkable capabilities, but their generalization across domains, modalities, and collaborative settings remains limited. This work explores how LLMs can be adapted along three dimensions: domain specialization, multimodal processing, and multi-agent reasoning. First, we introduce a reward-guided retrieval mechanism that fine-tunes the retrieval component of a language model using preference-based supervision, improving response relevance in specialized domains. Building on this, we design a multi-agent framework for complex information-seeking tasks, where distinct agents handle query clarification, evidence extraction, and answer synthesis, enabling robust reasoning without additional model training. Extending beyond language, we investigate how LLMs can operate …

Survey: A Study On Image Encryption Using Dna In Bioinformatics, Rana M. Zaki, Zaed S. Mahdi, Matheel E. Abdulmunim

Journal of Soft Computing and Computer Applications

One area of study between computer science and biology is bioinformatics, which deals with methods for collecting, processing, storing, and evaluating biological data. Sequences of RiboNucleic Acid (RNA), DeoxyriboNucleic Acid (DNA), and proteins make up biological data, which has a wide range of uses in domains such as feature extraction, data segmentation, data security, and more. In cryptography, DNA sequences are used as data carriers, enhancing the unique properties of biomolecules. This approach involves using DNA sequences to enhance the security of confidential data that must be transmitted over networks or stored securely. Several DNA-based security techniques have been developed, …

New Feature Selection Using Principal Component Analysis, Zaid Mundher Radeef, Soukaena Hassan Hashem, Ekhlas Khalaf Gbashi

Journal of Soft Computing and Computer Applications

Dimensionality reduction techniques streamline machine learning by reducing data complexity, improving model accuracy, and cutting computational costs. They remove noise and irrelevant features, making models faster and more efficient. These techniques also enhance data visualization and interpretation by condensing data into manageable, insightful dimensions. Ultimately, dimensionality reduction leads to simpler, more interpretable models without sacrificing critical information, making it a cornerstone of efficient data analysis and machine learning applications. Theoretically, feature extraction tends to create new features that encapsulate more information by combining multiple existing features, resulting in more concentrated and informative features. In contrast, feature selection involves choosing a …

Development Of A Hybrid Methodology Of Deep Learning And Machine Learning For Lung Nodule Detection In Medical Computed Tomography Images, Zaed S. Mahdi, Rana M. Zaki, Alaa Kadhim Farhan, Negar Majma

Journal of Soft Computing and Computer Applications

Deep learning and machine learning play an important role in the medical field, helping doctors make accurate, fast and effective diagnosis. Despite the progress achieved in the use of modern technologies in detecting cancerous nodes, current studies still suffer from some challenges and limitations that must be addressed to obtain high efficiency in identifying cancerous nodes. These challenges include using image pre-processing, combining deep learning and machine learning techniques, and constantly adapting to clinical changes, in order to address this. A hybrid methodology has been proposed for detecting cancerous nodules in the lung in medical Computed Tomography (CT) images. It …

Enhancing Image Classification Using A Convolutional Neural Network Model, Zena M. Saadi, Ahmed T. Sadiq, Omar Z. Akif, Marwa M. Eid

Journal of Soft Computing and Computer Applications

In recent years, with the rapid development of the current classification system in digital content identification, automatic classification of images has become the most challenging task in the field of computer vision. As can be seen, vision is quite challenging for a system to automatically understand and analyze images, as compared to the vision of humans. Some research papers have been done to address the issue in the low-level current classification system, but the output was restricted only to basic image features. However, similarly, the approaches fail to accurately classify images. For the results expected in this field, such as …

Improved Rapidly-Exploring Random Tree Using Firefly Algorithm For Robot Path Planning, Dena Kadhim Muhsen, Firas Abdulrazzaq Raheem, Yuhanis Yusof, Ahmed T. Sadiq, Faiz Al Alawy

Journal of Soft Computing and Computer Applications

In robotics, efficient path planning makes robots work independently and move through changing environments over time. This study combines the Rapidly-exploring Random Tree (RRT) architecture with the Firefly Algorithm (FA) to make robot’s path-planning better. The proposed ERRT-FA, which stands for "Enhanced RRT with Firefly Algorithm", generates better routes using Firefly social habits. Plan routes using Firefly social habits can effectively aid in exploring configuration space. The role of the FA is to enhance the RRT algorithm by providing an optimized exploration of the search space, ultimately leading to optimizing the path found by the RRT algorithm and better paths …

Exploring Student Satisfaction In Learning With Podcast Applications: A Qualitative Study Based On Open-Ended Questions, Indah Permatasari, Peny Meliaty Hutabarat, Erni Adelina

Jurnal Vokasi Indonesia

This study aims to explore student satisfaction with the use of podcasts as a learning medium in the Non-News Radio Production course. A qualitative approach was used, with three open-ended questions posed to students: (1) What different experiences did you have when listening to the course material via podcast?(2) Did listening to the course material through podcasts help you focus on understanding the material? And why? And (3) provide your opinion on the Adapto podcast material shared during the Non-News Radio Production course in the 4th semester. The data obtained was thematically analyzed to identify the main emerging themes. The …

Real-Time Congestion Control And Load Optimization In Cloud-Manets Using Predictive Algorithms, Preeti Rani, Mohammed Hussien Falaah

NJF Intelligent Engineering Journal

Cloud-MANET environments require a system to balance load and control congestion. As a result of integrating real-time network metrics with predictive traffic algorithms, the proposed model optimizes the management of dynamic topologies, network bandwidth constraints, and fluctuating traffic loads. In addition to energy-aware multi-path routing, the framework incorporates adaptive congestion control mechanisms to ensure data transmission is efficient and stable. This algorithm provides higher packet delivery ratios, reduces end-to-end delays, and increases throughput over existing algorithms, according to the evaluation results. Hybrid Cloud-MANET systems can benefit from this approach by optimizing resource utilization and network performance.

A Practical Intrusion Detection Approach For Arp Spoofing And Mitm In Local Area Networks, Hiba Bazzi, Ali Nassar, Mustafa El Bizri, Ali M. Haidar Prof.

BAU Journal - Science and Technology

In modern network environments, the increasing sophistication of cyberattacks poses significant risks, particularly through Address Resolution Protocol (ARP) spoofing and Man-in-the-Middle (MITM) attacks, which exploit vulnerabilities in local area networks. Existing tools often focus on detection or protection at the client side, leaving network-wide detection and response largely unaddressed. This paper presents a novel intrusion detection tool specifically designed to identify ARP spoofing and MITM attacks in real-time within local area networks. The system leverages Python and Scapy for low-level packet analysis and Flask for an intuitive web-based dashboard. Key features include network monitoring, attack detection through ARP table comparisons, …

Online Learning Transition: An Analysis Of Proactive Institutional Assistance In Reducing Difficulties During The Covid-19 Pandemic, Mohammed Yahya Alghamdi

BAU Journal - Science and Technology

The COVID-19 pandemic caused major changes in the education system, with a shift to online learning, and experience has shown that transitioning from face-to-face instruction is difficult. This study involved 80 academic staff members from Al-Baha University in Saudi Arabia to learn about the benefits, limitations, and institutional support of online education in the setting of an epidemic. The study answers two primary questions: The first study question was, What difficulties did instructors face when they switched to online instruction? While the second research question was, How did institutional support influence the transition to online instruction? The study’s research methodology …

Cropsync: Ai-Powered Sustainable Crop Management, Ziad Doughan, Ibrahim Mneimneh, Zouheir Nakouzi, Noor Al Khaib, Samer Damaj, Jamal Chaaban, Hamza Mrad, Sari Itani

BAU Journal - Science and Technology

CropSync is a smart agriculture system that uses AI and IoT technologies to enable sustain- able crop management and precision farming. The system aims to address the challenges faced by the agriculture sector, such as increasing food production to meet global population demands while minimizing environmental impact. CropSync integrates sensors, cameras, and cloud-based analytics to provide farmers with real-time insights and recommendations for optimizing crop cul- tivation. The system upholds engineering professional and ethical standards, considering broader social, environmental, and economic implications. From a social perspective, CropSync improves food security and enhances farmers’ livelihoods through increased productivity and efficient re- …

Quantitative Analysis Of Machine Learning Model Performance And The Need To Consider Explainability, Vishnu S. Pendyala

Open Educational Resources

This presentation, titled "Quantitative analysis of Machine Learning model performance and the need to consider explainability," delves into various metrics used for evaluating machine learning models. It thoroughly examines fundamental classification metrics like accuracy, precision, recall, and F-score, while also discussing more advanced measures such as the Kappa Statistic and Matthews Correlation Coefficient (MCC), particularly highlighting their relevance in scenarios with imbalanced datasets. The presentation underscores the importance of model accuracy in real-world applications and briefly introduces regression metrics like R-squared and F-statistic. Additionally, it addresses challenges related to data imbalance and fairness in ML models, stressing the critical need …

End-To-End Autonomous Quadcopter Using Reinforcement Learning, Mohamed Marwan Chawa

Theses and Dissertations

This thesis investigates the potential of Reinforcement Learning (RL) for achieving robust and adaptable quadcopter control, focusing on trajectory and attitude stabilization. We compare state-of-the-art RL algorithms, specifically Proximal Policy Optimization (PPO), against traditional Proportional-Integral-Derivative (PID) controllers across three tasks: hovering, slow trajectory following, and fast trajectory following. To enhance realism, we employ a modified PyFlyt simulation environment with a high-fidelity Crazyflie 2.x model, accounting for motor dynamics, noise, wind disturbances, and aerodynamic drag.

The challenge of operating a quadcopter can be divided into two distinct parts: planning a flight path and actually following that path. Our focus is on …

A Fast Federated Learning-Based Crypto-Aggregation Scheme And Its Simulation Analysis, Boshen Lü, Xiao Song

Journal of System Simulation

Abstract: To solve the problem of increased computation and communication costs caused by using homomorphic encryption (HE) to protect all gradients in traditional cryptographic aggregation (cryptoaggregation) schemes, a fast crypto-aggregation scheme called RandomCrypt was proposed. RandomCrypt performed clipping and quantization to fix the range of gradient values and then added two types of noise on the gradient for encryption and differential privacy (DP) protection. It conducted HE on noise keys to revise the precision loss caused by DP protection. RandomCrypt was implemented based on a FATE framework, and a hacking simulation experiment was conducted. The results show that the proposed …