摘要
随着深度学习技术的发展,人工智能在社会的各个方面有着重要的应用,但缺少数据已经成为制约人工智能进一步发展的重要因素.联邦学习通过共享梯度的方式可以有效利用边缘节点数据,有效解决人工智能模型训练的数据问题.但在联邦学习中,由于攻击者可以利用共享的梯度发动恶意攻击来窃取用户隐私,所以如何安全上传梯度并进行聚合成为保障联邦学习中隐私安全的重要课题.因此,本文针对国内外联邦学习安全聚合的相关文献进行研究,分析安全聚合对于联邦学习中隐私保护的重要性,同时本文对现有的安全聚合方案进行总结,对实现安全聚合的不同技术手段展开分析.
维普
万方数据