联邦学习-

原创已于 2022-11-02 16:02:09 修改 · 736 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

于 2022-10-26 20:38:21 首次发布

博客介绍了联邦学习，它是分布式机器学习技术，目的是在保障数据隐私等基础上合作训练模型。提到横向、纵向、迁移联邦学习，着重阐述了梯度泄露，包括 Generator、DLG 等攻击类型，还介绍了梯度干扰、数据扰动等防御类型。

联邦学习：本质上是一种分布式机器学习技术，或机器学习框架
目的：确保数据隐私、安全和合法合规的基础上，实现合作训练模型，提高人工智能模型的效果

横向联邦学习
纵向联邦学习
迁移联邦学习

梯度泄露

攻击手段：
在这里插入图片描述
攻击类型：

Generator：生成器
Discrimination：判别器
DLG ： deep leakage from gredients 梯度泄露
GRNN： generative regression neural network 生成回归神经网络

防御类型：
在这里插入图片描述
梯度干扰：加噪音、降低计算精度、剪枝
数据扰动：混淆、净化

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。