联邦学习隐私保护研究进展OA
Research advances on privacy protection of federated learning
针对隐私保护的法律法规相继出台,数据孤岛现象已成为阻碍大数据和人工智能技术发展的主要瓶颈.联邦学习作为隐私计算的重要技术被广泛关注.从联邦学习的历史发展、概念、架构分类角度,阐述了联邦学习的技术优势,同时分析了联邦学习系统的各种攻击方式及其分类,讨论了不同联邦学习加密算法的差异.总结了联邦学习隐私保护和安全机制领域的研究,并提出了挑战和展望.
王健宗;孔令炜;黄章成;陈霖捷;刘懿;卢春曦;肖京
平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063平安科技(深圳)有限公司,广东深圳518063
信息技术与安全科学
联邦学习联邦学习系统攻击隐私保护加密算法
《大数据》 2021 (3)
130-149,20
国家重点研发计划资助项目(No.2018YFB1003503,No.2018YFB0204400,No.2017YFB1401202)
评论