联邦学习中的泄漏量化
密码学与安全
2020-03-12 v2
摘要
随着对用户隐私的日益重视，联邦学习变得越来越流行。许多架构被提出以获得更好的安全性。大多数架构基于数据梯度不会泄露信息的假设工作。然而，最近的一些工作表明，此类梯度可能导致训练数据的泄漏。在本文中，我们基于联邦近似逻辑回归模型讨论该泄漏问题，并表明如果输入的所有元素均为 0 或 1，则此类梯度的泄漏可能泄露完整的训练数据。
引用
@article{arxiv.1910.05467,
title = {Quantification of the Leakage in Federated Learning},
author = {Zhaorui Li and Zhicong Huang and Chaochao Chen and Cheng Hong},
journal= {arXiv preprint arXiv:1910.05467},
year = {2020}
}