联邦学习中的信息安全问题研究综述

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：段昕汝, 陈桂茸, 陈爱网, 陈晨, 姬伟峰

单位：空军工程大学 信息与导航学院，西安 710077

摘要：联邦学习作为一种新兴的机器学习技术，允许多方在不共享原始数据的前提下通过参数交互完成协同训练，生成全局模型，为打破数据孤岛、整合数据资源提供了新范式，成为人工智能领域的一大研究热点。但联邦学习依然面临诸多安全风险。对联邦学习领域的国内外最新研究成果进行系统分析和分类，以联邦学习模型训练过程为线索，分析每个过程中系统可能存在的安全威胁，研究不同安全威胁的机理和特点，并按照威胁程度对其进行分类，在此基础上，研究当前先进的防御策略；最后，探讨了联邦学习面临的主要挑战和未来发展方向，旨在推动联邦学习应用安全落地和推广。

关键词：联邦学习,数据安全,系统威胁,防御策略