1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 数据结构与算法

面向异构数据的联邦学习隐私保护与投毒检测研究.pdf

面向异构数据的联邦学习隐私保护与投毒检测研究.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

    联邦学习作为一种前沿的分布式机器学习范式，它在保障用户对数据控制权的同时

    实现了多方协同训练。由于其通信开销低、稳定性高和数据安全等特点被广泛地应用到

    多个领域中。然而，联邦学习仍然在异构数据、梯度安全性和模型鲁棒性等方面存在一

    些问题。首先，不同用户所获取到的数据类型、质量和数量不同可能导致样本间具有不

    同的分布特性，即数据是非独立同分布的，这会导致全局模型收敛困难或性能不稳定；

    其次，模型梯度在传输过程中可能会遭受推理攻击导致隐私泄露，使联邦学习训练过程

    中的安全性无法保证；最后，敌手通

    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 >