软件学报

作者：顾育豪，白跃彬

单位：顾育豪，北京航空航天大学 计算机学院, 北京 10019111,白跃彬，北京航空航天大学 计算机学院, 北京 10019102

关键词：联邦学习;安全和隐私;投毒攻击;推断攻击;防护方法

基金：国家自然科学基金（61732002，61572062）

随着数据孤岛现象的出现和个人隐私保护的重视，集中学习的应用模式受到制约，而联邦学习作为一个分布式机器学习框架，可以在不泄露用户数据的前提下完成模型训练，从诞生之初就备受关注.伴随着联邦学习应用的推广，其安全性和隐私保护能力也开始受到质疑.对近年来国内外学者在联邦学习模型安全与隐私的研究成果进行了系统总结与分析.首先，介绍联邦学习的背景知识，明确其定义和工作流程，并分析存在的脆弱点.其次，分别对联邦学习存在的安全威胁和隐私风险进行系统分析和对比，并归纳总结现有的防护手段.最后，展望未来的研究挑战和方向.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期