arXiv · ML· Xiaojin Zhang, Mingcong Xu, Wei Chen, Qiang Yang·· 9 小时前AI 评分21
联邦学习中缓解数据重构攻击：条件、边界与理论保证
Mitigating Data Reconstruction Attacks in Federated Learning: Conditions, Bounds, and Theoretical Guarantees
AI 导读
该论文通过线性代数和优化理论双视角，分析了联邦学习中数据重构攻击的隐私泄露问题。 研究识别了非唯一重构的充分批量大小标准，并建立了结合批量大小、失真程度等参数的隐私泄露新上界。 这些理论洞见阐明了系统参数与隐私脆弱性间的关系，为开发更健壮的隐私保护联邦学习框架奠定了基础。
来源：arXiv · ML · arxiv.org