面向联邦学习的数据隐私保护机制及应用研究.pdf

面向联邦学习的数据隐私保护机制及应用研究.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

随着算力和数据向网络边缘下沉,大数据驱动的人工智能愈加依赖隐私敏感

的用户数据。当前,用户出于自身利益和隐私担忧而不愿共享数据,并且随着隐

私问题的关注程度日益提高,用户共享数据的意愿越来越低。因此,传统的收集

用户数据进行集中训练的人工智能受到极大挑战,日益强化的隐私约束严格限制

了人工智能的发展与应用。联邦学习因其隐私保护特性受到广泛关注。尽管联邦

学习在训练过程中只交换梯度而不交换训练数据,但依然不能抵御精心设计的隐

私攻击。因此,面向联邦学习场景下的数据隐私保护获得广泛关注。但梯度

您可能关注的文档

文档评论(0)

qiutianfeng + 关注
实名认证
内容提供者

本账号发布文档来源于互联网,仅用于技术分享交流用,版权为原作者所有。

1亿VIP精品文档

相关文档