联邦学习攻击与防御综述OACSTPCD
Threats and defenses of federated learning: a survey
随着机器学习技术的广泛应用,数据安全问题时有发生,人们对数据隐私保护的需求日渐显现,这无疑降低了不同实体间共享数据的可能性,导致数据难以共享,形成"数据孤岛".联邦学习可以有效解决"数据孤岛"问题.联邦学习本质上是一种分布式的机器学习,其最大的特点是将用户数据保存在用户本地,模型联合训练过程中不会泄露各参与方的原始数据.尽管如此,联邦学习在实际应用中仍然存在许多安全隐患,需要深入研究.对联邦学习可能受到的攻击及相应的防御措施进行系统性的梳理.首先…查看全部>>
吴建汉;司世景;王健宗;肖京
平安科技(深圳)有限公司,广东 深圳 518063中国科学技术大学,安徽 合肥 230026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
联邦学习攻击防御隐私保护机器学习
《大数据》 2022 (5)
12-32,21
广东省重点领域研发计划"新一代人工智能"重大专项(No.2021B0101400003)
评论