不同场景的联邦学习安全与隐私保护研究综述OA北大核心CSCDCSTPCD
Survey on security and privacy protection in different scenarios of federated learning
随着大数据不断发展,联邦学习已被广泛应用于各种各样的场景,从而方便人们的生产生活,但该技术给人们带来便利的同时也让用户面临着数据泄露的挑战,因此数据安全成为联邦学习研究的热点问题.通过介绍横向及纵向联邦学习的训练过程,并对该过程的潜在对手及其攻击原因进行研究,从而分类总结了现有的攻击手段,如投毒攻击、对抗攻击及模型逆推攻击等;在两种场景下分类介绍针对几种攻击手段的防御措施,如梯度稀疏化、恶意检测、秘密样本对齐、标签保护、加密共享和扰动共享等,这些…查看全部>>
孙爽;李晓会;刘妍;张兴
辽宁工业大学 电子与信息工程学院,辽宁 锦州 121000辽宁工业大学 电子与信息工程学院,辽宁 锦州 121000辽宁工业大学 电子与信息工程学院,辽宁 锦州 121000辽宁工业大学 电子与信息工程学院,辽宁 锦州 121000
信息技术与安全科学
横向联邦学习纵向联邦学习隐私泄露数据安全隐私保护
《计算机应用研究》 2021 (12)
3527-3534,8
国家自然科学基金青年基金资助项目(61802161)辽宁省教育厅科学研究经费资助项目(JZL202015402,JZL202015404)
评论