期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
联邦学习中的安全与隐私问题研究
1
作者 李芯蕊 江萍 +1 位作者 赵晓阳 杭永凯 《网络安全技术与应用》 2024年第3期29-34,共6页
随着社会各界对隐私保护的意识越来越强,如何在合规合法的前提下有效利用数据将成为未来一段时间计算机领域的重要课题。而联邦学习凭借其对数据“可用不可见”的特点必定会成为未来人工智能领域的重点研究方向。但事实上,联邦学习的模... 随着社会各界对隐私保护的意识越来越强,如何在合规合法的前提下有效利用数据将成为未来一段时间计算机领域的重要课题。而联邦学习凭借其对数据“可用不可见”的特点必定会成为未来人工智能领域的重点研究方向。但事实上,联邦学习的模型训练方式虽然可以保护用户数据在本地完成训练,但从另一个侧面扩大了潜在的受攻击面积:即不可信参与方以及梯度传输等特点导致联邦学习更容易受到攻击。同时,由于联邦学习中的设备异质性也导致其数据非独同分布、通信受限等一系列局限性。本文将通过可靠性、安全性和隐私性三个角度总结联邦学习现存的问题,并简单介绍目前较为普遍的解决方案。 展开更多
关键词 联邦学习 隐私保护 梯度泄漏 推断攻击 防护方法
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部