1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 学术论文
  5. 法律论文

基于隐私泄漏权重的安全联邦学习算法研究与实现.pdf

基于隐私泄漏权重的安全联邦学习算法研究与实现.pdf

    1. 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
    2. 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    3. 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    查看更多

    摘要

    联邦学习作为一种分布式机器学习范式，常被运用到物联网中来保护数据的隐私。

    然而现有的研究发现作为物联网场景下的联邦学习方法面临着梯度泄漏攻击风险。当前

    有许多隐私保护技术用于解决联邦学习的梯度泄漏攻击问题，然而大部分方案在保护联

    邦学习数据隐私的同时会造成模型训练精度的下降。此外，现有的联邦学习隐私保护技

    术大部分认为所有客户端遭受攻击的概率是相同的，因此较少有研究从客户端的隐私泄

    漏概率着手来进行客户端筛选。为了解决以上问题，论文分别从噪声分配和客户端选择

    的角度，设计了基于隐私泄漏权重的安全

    您可能关注的文档

    最近下载

    文档评论（0）

    136****6583 + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间
    版权声明书
    用户编号：7043055023000005

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >