典型文献
基于联邦学习的安全与隐私保护技术研究
文献摘要：
联邦学习技术作为一种解决机器学习中数据孤岛问题的新兴技术,被广泛研究应用于人工智能和隐私计算中.随着数据隐私问题日益突出,这种分布式的联邦学习技术也面临着前所未有的敏感信息隐私泄露问题.文章依据现有工作,探索总结了联邦学习中主要面临的五大攻击威胁与三大隐私保护技术.最后,该文大胆探索了联邦学习中未来面临的安全隐私挑战.
文献关键词：
联邦学习;隐私保护;安全威胁;差分隐私;数据加密
中图分类号：
作者姓名：
吴彦霖;邱硕;柳亚男;张正
作者机构：
金陵科技学院软件工程学院网络安全学院,江苏南京211169
文献出处：
引用格式：
[1]吴彦霖;邱硕;柳亚男;张正-.基于联邦学习的安全与隐私保护技术研究)[J].电脑知识与技术,2022(36):71-74
A类：
B类：
联邦学习,安全与隐私,隐私保护技术,学习技术,数据孤岛,研究应用,隐私计算,数据隐私,敏感信息,信息隐私,隐私泄露,泄露问题,攻击威胁,大胆,安全隐私,安全威胁,差分隐私,数据加密
AB值：
0.388245
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
