原创力文档- 1、本文档共39页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ThenameoftheDepartment
BeijingForestStudio
部门名称
北京理工大学信息系统及安全对抗实验中心
联邦学习的后门攻击方法
硕士研究生杨得山
2022年08月28日
内容提要
•背景简介
•基本概念
–联邦学习
–后门攻击
•算法原理
–COBA
–FPCL
•应用总结
•参考文献
2
背景简介
•预期收获
–熟悉联邦学习的历史现状、分类及应用场景
–了解联邦学习与后门攻击的基本概念
–理解横向和纵向联邦学习的后门攻击方法
–了解联邦学习领域后门攻击算法的未来发展
3
背景简介
•人工智能的现状
–机器学习技术的成功，尤其是深度学习的应用，都是建立在丰富的数据资源上
–传统集中式机器学习的方式带来数据碎片化和孤岛分布的问题
–对人工智能应用中的数据隐私保护和所有权问题关注度不断提高
4
背景简介
•联邦学习（FederatedLearning,FL）
–FL由Google于2016年提出，解决多个移动设备的分布式建模问题
–例如GoogleGboard安卓输入法预测，为了智能预测下一个词，对大量用户的输入
历史数据进行训练
–设计目标：避免直接收集用户的输入历史，尽量在设备端上训练
5
背景简介
•技术价值
–数据不出本地
•模型的训练与聚合不泄漏用户的个人隐私
–提高模型的泛化能力
–分布式训练
•提升AI模型训练效率和资源利用效率
•开源框架
框架主导方状态
TensorFlowFederated谷歌
PysyftOpenMinded
FATE微众银行
开源
PaddleFL百度
Fedlearner字节跳动
Fedlearn京东6
基本概念
基本概念
基本概念
•联邦学习的分类
–依据数据集的样本与特征在各客户端的
数据分布情况
•横向联邦学习
文档评论（0）