基本信息

---

下载

文档摘要

---

抗攻击联邦矩阵分解推荐方法研究

摘要

联邦学习作为一种分布式机器学习方法，被广泛应用于推荐系统领域，以解决

推荐领域面临的数据孤岛问题。联邦推荐采用的分布式学习框架面临着来自恶意客

户端的潜在威胁，这些恶意客户端可通过篡改本地数据和模型参数，干扰全局模型

的性能和推荐准确性。随着攻击者数量的增加，恶意客户端篡改数据和参数，对全

局模型造成更为严重的影响，危及推荐系统的安全性和推荐质量。针对上述问题，

本文提出了两个创新性的解决方案。

（1）针对恶意客户端通