- 博客(4)
- 收藏
- 关注
RSS订阅原创 目前联邦学习面临的主要挑战
目前联邦学习面临的主要挑战安全：安全方面的挑战通常是由于缺乏对数据的访问控制以及来自恶意节点的恶意攻击。对联邦学习最常见的攻击之一是投毒攻击，如果有毒数据集很庞大的话，那么像虚假标签攻击和后门攻击可能会导致严重的损害。隐私：联邦学习通过提供本地模型参数信息而不是客户的本地原始数据来保护隐私。然而，在训练过程中简单地保持数据本地化并不能提供足够的隐私保证，分析梯度信息仍然可以为第三方或中央服务器提供私人信息。例如，可以通过获取梯度信息来恢复客户端的原始图像。此外，模型本身也可以用来实现反转和推理攻击。
2023-04-11 16:04:59
781
1
原创 什么是联邦学习？
联邦学习（Federated Learning）是一种机器学习的方法，它允许在不共享数据的情况下，在多个本地设备（例如智能手机或传感器）上训练机器学习模型。联邦学习的目标是保护用户隐私，同时从用户设备中收集的数据可以用于训练更好的模型。由于联邦学习能够在不同的设备上运行，因此它在许多应用领域都有广泛的应用，例如智能手机语音助手、物联网设备和医疗保健领域。但在联邦学习中，数据分布在多个设备上，这些设备共同训练模型，每个设备只需要共享其本地模型的参数，而不是共享原始数据。
2023-04-11 15:42:01
217
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人