****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。
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
本文档由 SC 于 2024-02-18 22:46:11上传分享