基于生成模型的联邦学习隐私保护算法

MIAO Haoyang, GAO Tanrui, TANG Ying

Electronic Design Engineering（2023）

成都理工大学计算机与网络安全学院

被引用0|浏览11

摘要

在联邦学习中,交换模型参数或梯度信息通常被视作是安全的.但近期研究表明,模型参数或者梯度信息也会导致训练数据的泄露.基于保护客户端数据安全的目的,提出了一种基于生成模型的联邦学习算法.为了验证该算法的有效性,在DermaMNIST数据集上进行了仿真实验,采用梯度泄露攻击对算法进行验证.实验结果表明,提出的基于生成模型的联邦学习算法与联邦学习经典算法在准确率上仅仅相差0.02％,并且通过MSE、PSNR、SSIM等评价指标可以判断出该算法可以有效地保护数据隐私.

更多

查看译文

关键词

generative model,federated learning,semi-supervised generative adversarial network,privacy preserving,gradient leakage attack