联邦学习隐私保护研究进展

被引：20

作者：

王健宗

孔令炜

黄章成

陈霖捷

刘懿

卢春曦

肖京

机构：

[1] 平安科技(深圳)有限公司

来源：

大数据 | 2021年 / 7卷 / 03期

基金：

国家重点研发计划;

关键词：

联邦学习; 联邦学习系统攻击; 隐私保护; 加密算法;

D O I：

暂无

中图分类号：

TP309 [安全保密];

学科分类号：

081201 ; 0839 ; 1402 ;

摘要：

针对隐私保护的法律法规相继出台,数据孤岛现象已成为阻碍大数据和人工智能技术发展的主要瓶颈。联邦学习作为隐私计算的重要技术被广泛关注。从联邦学习的历史发展、概念、架构分类角度,阐述了联邦学习的技术优势,同时分析了联邦学习系统的各种攻击方式及其分类,讨论了不同联邦学习加密算法的差异。总结了联邦学习隐私保护和安全机制领域的研究,并提出了挑战和展望。

引用

收藏

页码：130 / 149

页数：20

相关论文

共 19 条

[1] 基于隐私保护的政府大数据治理研究 [J].

李政 ;

洪莹 .

大数据, 2020, 6 (02) :69-82

[2] 基于安全压缩感知的大数据隐私保护 [J].

王平 ;

张玉书 ;

何兴 ;

仲盛 .

大数据, 2020, 6 (01) :12-22

[3] 基于同源策略的移动应用细粒度隐私保护技术 [J].

卢文雄 ;

王浩宇 .

大数据, 2020, 6 (01) :23-34

[4] 人工智能时代的数据隐私、垄断与公平 [J].

孟小峰 ;

王雷霞 ;

刘俊旭 .

大数据, 2020, 6 (01) :35-46

[5] 一种基于随机投影的本地差分隐私高维数值型数据收集算法 [J].

孙慧中 ;

杨健宇 ;

程祥 ;

苏森 .

大数据, 2020, 6 (01) :3-11

[6] 社交网络链路预测的个性化隐私保护方法 [J].

孟绪颖 ;

张琦佳 ;

张瀚文 ;

张玉军 ;

赵庆林 .

计算机研究与发展 , 2019, (06) :1244-1251

[7] 区块链安全问题:研究现状与展望 [J].

韩璇 ;

袁勇 ;

王飞跃 .

自动化学报, 2019, 45 (01) :206-225

[8] 人工智能赋能金融科技 [J].

王健宗 ;

黄章成 ;

肖京 .

大数据, 2018, 4 (03) :111-116

[9] The theory and practice in the evolution of trusted computing [J].

Feng, Dengguo ;

Qin, Yu ;

Feng, Wei ;

Shao, Jianxiong .

CHINESE SCIENCE BULLETIN, 2014, 59 (32) :4173-4189

[10] 大数据时代的个人隐私保护 [J].

刘雅辉 ;

张铁赢 ;

靳小龙 ;

程学旗 .

计算机研究与发展, 2015, 52 (01) :229-247