FL中隱私和安全性問題

A.隱私保護 FL的主要目標之一是保護參與者的隱私，參與者只需要共享訓練模型的參數，而不需要共享他們的實際數據。然而，最近的一些研究表明，惡意的參與者仍然可以根據他們共享的模型從其他參與者那裏推斷出敏感信息，例如性別、職業和位置。例如，在[137]中，當在FaceScrub[138]數據集上訓練一個二元性別分類器時，作者表明，他們可以通過檢查共享模型來推斷某個參與者的輸入是否包含在數據集中，其準確

>>阅读原文<<