基本信息

---

下载

文档摘要

---

摘要

联邦学习作为一种分布式机器学习范式，常被运用到物联网中来保护数据的隐私。

然而现有的研究发现作为物联网场景下的联邦学习方法面临着梯度泄漏攻击风险。当前

有许多隐私保护技术用于解决联邦学习的梯度泄漏攻击问题，然而大部分方案在保护联

邦学习数据隐私的同时会造成模型训练精度的下降。此外，现有的联邦学习隐私保护技

术大部分认为所有客户端遭受攻击的概率是相同的，因此较少有研究从客户端的隐私泄

漏概率着手来进行客户端筛选。为了解决以上问题，论文分别从噪声分配和客户端选择

的角度，设计了基于隐私泄漏权重的安全