联邦学习隐私攻击与保护技术研究综述

联邦学习作为分布机器学习框架,一定程度上解决了用户数据隐私问题,但随着联邦学习的广泛应用与学者对其开展深入研究,其暴露出的隐私攻击风险日益凸显,针对此类风险进行研究并提出相应的保护技术已经成为新形势下的联邦学习研究热点。针对联邦学习中存在的隐私攻击问题,本文综述了多种联邦学习中的主流与新型隐私攻击手段与相应的隐私保护技术。最后,探讨了当前联邦学习中隐私保护技术存在的缺陷,展望未来重点研究方向。