****研究报告（2020年） 12023年5月 中国信息通信研究院安全研究所 2023年12月联邦学习应用安全研究报告 (2023年) 版权声明 本报告版权属于 中国信息通信研究院 ，并受法律保护 。 转载、摘编或利用其它方式使用 本报告文字或者观点的， 应注明“来源：中国信息通信研究院 ”。违反上述声明者 ， 编者将追究其相关法律责任。中国信息通信研究院安全研究所 2020年6月中国信息通信研究院安全研究所 2020年6月 前言 “数据孤岛 ”，是数据为 “王”的时代的一个不可被忽视的现 象，各组织机构的数据如同大洋上的岛屿，隔海相望、孤立无援。 这种现象来源于组织机构对敏感数据域外共享的数据安全担忧，随 着数据安全法律法规日趋严格，各组织机构难以承担数据泄露所带 来的严重后果，使数据既出不去，也进不来。 在追求数据要素高效高质流通的当下， “数据孤岛 ”现象无疑 是数据要素市场化建设进程中的障碍，于是“ 原始数据不出域，数 据可用不可见 ”的新范式被提出，联邦学习也作为能够实现该范式 的代表技术之一，得到了快速的发展。联邦学习技术可避免原始数 据流出本地 ，转而通过 “本地存储+分布式学习 ”的联合机器学习 建模方式完成多方数据价值的释放，很好地解决了数据流通与数据 安全之间的矛盾。 联邦学习作为能够打破 “数据孤岛 ”的有力技术工具，为实现 保障数据安全流通的初衷，仍然需要确保其自身的各属性的安全可 靠。本研究报告着眼于联邦学习技术产品、系统、平台等形式的应 用的安全，介绍了联邦学习应用的安全现状，分析了联邦学习在应 用中面临的安全问题，并针对以上痛点问题，提出了联邦学习应用 的未来发展建议。本报告的编写得到了不少业界同仁的大力支持， 希望本报告能为社会各界深入了解联邦学习应用安全的现状与发展 提供有价值的参考。

pdf文档 信通院 联邦学习应用安全研究报告 2023年

文档预览
中文文档 31 页 50 下载 1000 浏览 0 评论 0 收藏 3.0分
温馨提示：本文档共31页，可预览 3 页，如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
信通院 联邦学习应用安全研究报告 2023年 第 1 页 信通院 联邦学习应用安全研究报告 2023年 第 2 页 信通院 联邦学习应用安全研究报告 2023年 第 3 页
下载文档到电脑，方便使用
本文档由 SC 于 2024-02-18 22:46:11上传分享
举报
下载(1.3 MB)
分享
给文档打分
您好可以输入 255 个字符
网站域名是多少( 答案：github5.com )
评论列表
  • 暂时还没有评论，期待您的金玉良言
热门文档