基于分層聚類的個性化聯(lián)邦學習隱私保護框架

摘要： 聯(lián)邦學習作為一種新興的隱私保護分布式機器學習框架,利用密碼原語有效地解決了隱私泄露問題,如何在分布式環(huán)境中防止投毒攻擊已成為聯(lián)邦學習的研究熱點。目前的研究工作大部分依賴于數(shù)據(jù)獨立同分布情況,并使用明文進行惡意梯度識別,無法處理數(shù)據(jù)異構帶來的挑戰(zhàn)。為了解決上述問題,文章提出一個基于分層聚類的個性化聯(lián)邦學習隱私保護框架。該框架基于坐標感知的中位數(shù)算法對梯度進行加密,并采用安全余弦相... （共14頁）