联邦学习隐私的方法介绍

Federated Machine Learning: Concept and Applications

#链接 https://arxiv.org/pdf/1902.04885.pdf
#论文笔记链接 （转载！！！）
https://blog.csdn.net/weixin_44002829/article/details/97171151
2.2联邦学习的隐私
隐私是联邦学习的基本属性之一。这需要安全模型和分析来提供有意义的隐私保证。在本节中，我们将简要回顾和比较用于联邦学习的不同隐私技术，并确定防止间接泄漏的方法和潜在挑战。
·安全多方计算(SMC)·
SMC安全模型自然涉及多方，并在定义良好的仿真框架中提供安全证明，以保证完全零知识，即各方除了输入和输出什么都不知道。零知识是非常理想的，但是这种理想的特性通常需要复杂的计算协议，而且可能不能有效地实现。在某些场景中，如果提供了安全保证，则可以认为部分知识公开是可以接受的。在较低的安全要求下，利用SMC技术建立安全模型，可以换来效率的提高。 最近，研究使用SMC框架训练具有两台服务器和半诚实假设的机器学习模型。Ref使用