基于联邦学习的安全与隐私保护技术研究

联邦学习是一种高效隐私保护技术，其能在不直接获得数据源的情景下，通过参与方的本地训练及传输主要参数，进而成功训练出一个完整的学习模型。但联邦学习本体也有很多隐患因素，文章简单介绍联邦学习的概念，分析联邦学习内的威胁因素，包括投毒攻击、对抗攻击及隐私泄露，探究相关防御思路与策略。