可信分布式机器学习异构感知综述发布

研究团队发布了一篇关于云-边-物系统中可信分布式机器学习的综述。该综述提出面向可信赖分布式机器学习的异构感知路线图，将联邦学习视为高风险典型案例，深入分析了统计、系统和信任异构性对模型收敛、公平性及防御可靠性的影响。 文章综合研究了投毒、后门、拜占庭操纵等攻击与分层防御的交互作用，并讨论了部署、评估及治理指南。研究强调在使用非独立同分布划分、攻击感知基准和可审计生命周期产物方面的重要性，旨在解决异构环境下的安全与隐私挑战。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。