不同场景的联邦学习安全与隐私保护研究综述

来源：计算机应用研究杂志2021年第12期北京时间：

作者：孙爽,李晓会,刘妍,张兴,

单位：辽宁工业大学电子与信息工程学院,辽宁锦州121000；

摘要：随着大数据不断发展，联邦学习已被广泛应用于各种各样的场景，从而方便人们的生产生活，但该技术给人们带来便利的同时也让用户面临着数据泄露的挑战，因此数据安全成为联邦学习研究的热点问题。通过介绍横向及纵向联邦学习的训练过程，并对该过程的潜在对手及其攻击原因进行研究，从而分类总结了现有的攻击手段，如投毒攻击、对抗攻击及模型逆推攻击等；在两种场景下分类介绍针对几种攻击手段的防御措施，如梯度稀疏化、恶意检测、秘密样本对齐、标签保护、加密共享和扰动共享等，这些方法不仅可以保证参与方的数据安全，也可以保证联合模型的准确率；最后根据对现有技术的研究，总结了现存方法存在的问题及未来的研究方向。

关键词：横向联邦学习,纵向联邦学习,隐私泄露,数据安全,隐私保护,

基金资助：国家自然科学基金青年基金资助项目(61802161)；辽宁省教育厅科学研究经费资助项目(JZL202015402,JZL202015404)；；