1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 人工智能

面向边缘智能场景的鲁棒性与隐私保护联邦学习研究与应用.pdf

面向边缘智能场景的鲁棒性与隐私保护联邦学习研究与应用.pdf

    1. 1、本文档共66页，其中可免费阅读20页，需付费100金币后方可阅读剩余内容。
    2. 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
    3. 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    4. 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    查看更多

    摘要

    联邦学习作为一种高性能的分布式机器学习范式，能够在参与者在不共享其原始

    数据的前提下，实现多方协同训练一个全局模型，由于其通信开销低、数据隐私安全

    等特性而被越来越多地应用于各个领域。但是在边缘智能场景下，一方面由于资源有

    限和网络不稳定等因素，会导致联邦学习模型训练过程中出现“掉队者”等现象，从而

    使联邦学习的鲁棒性无法得到保证。另一方面，边缘智能场景下的联邦学习通常采用

    差分隐私技术来进一步提高联邦学习的安全性，然而使用差分隐私机制进行隐私保护

    的联邦学习训练过程中仍可能受到虚假噪声攻击，

    面向边缘智能场景的鲁棒性与隐私保护联邦学习研究与应用.pdf 原文免费试下载

    您可能关注的文档

    最近下载

    文档评论（0）

    136****6583 + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间
    版权声明书
    用户编号：7043055023000005

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >