联邦学习攻击与防御综述
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。首先根据联邦学习的训练环节对其可能受到的攻击和威胁进行分类，列举各个类别的攻击方法，并介绍相应攻击的攻击原理；然后针对这些攻击和威胁总结具体的防御措施，并...
சேமிக்கப்பட்டது:
| முதன்மை ஆசிரியர்கள்: | , , , |
|---|---|
| வடிவம்: | Artigo |
| மொழி: | Chinês |
| வெளியிடப்பட்டது: |
China InfoCom Media Group
2022-09-01
|
| தொடர்: | 大数据 |
| பொருள்கள்: | |
| ஆன்லைன் அணுகல்: | http://www.infocomm-journal.com/bdr/CN/10.11959/j.issn.2096-0271.2022038 |
| குறிச்சொற்கள்: |
டாக்ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!
|