联邦学习安全威胁综述

摘要：

当前,联邦学习已被认为是解决数据孤岛和隐私保护的有效解决方案,其自身安全性和隐私保护问题一直备受工业界和学术界关注.现有的联邦学习系统已被证明存在诸多漏洞,这些漏洞可被联邦学习系统内部或外部的攻击者所利用,破坏联邦学习数据的安全性.首先对特定场景下联邦学习的概念、分类和威胁模型进行介绍;其次介绍联邦学习的机密性、完整性、可用性(CIA)模型;然后对破坏联邦学习CIA模型的攻击方法进行分类研究;最后对CIA模型当前面临的问题挑战和未来研究方向进行分析和总结.

关键词：联邦学习、隐私泄露、机密性、完整性、可用性模型、成员攻击、生成对抗网络攻击

所属期刊栏目：8

分类号：TP181;TP183(自动化基础理论)

资助基金：国家自然科学基金61876019

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：223-234