后门攻击场景下预训练联邦学习算法研究.pdf

后门攻击场景下预训练联邦学习算法研究.pdf

摘要

摘要

近年来,随着人工智能的发展,分布式机器学习尤其是联邦学习

(Federated

Learning.FL)因其能在不上传数据的情况下运行,很好地契合了对

数据隐私的需求而受到广泛关注。然而,联邦学习的大规模应用面临两大挑战:

通信效率和安全威胁。一方面,海量客户端参与及频繁的参数交换易造成网络

带宽瓶颈:另一方面,各参与方可能引入带有后门或恶意内容的数据或模型,

加剧安全风险。为应对上述挑战:

(1)提出了

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档