基本信息

---

下载

文档摘要

---

摘要

随着算力和数据向网络边缘下沉，大数据驱动的人工智能愈加依赖隐私敏感

的用户数据。当前，用户出于自身利益和隐私担忧而不愿共享数据，并且随着隐

私问题的关注程度日益提高，用户共享数据的意愿越来越低。因此，传统的收集

用户数据进行集中训练的人工智能受到极大挑战，日益强化的隐私约束严格限制

了人工智能的发展与应用。联邦学习因其隐私保护特性受到广泛关注。尽管联邦

学习在训练过程中只交换梯度而不交换训练数据，但依然不能抵御精心设计的隐

私攻击。因此，面向联邦学习场景下的数据隐私保护获得广泛关注。但梯度