SplitFed: When Federated Learning Meets Split Learning

(1)联邦学习和拆分学习都具有隐私保护,二者都存在各自缺点,进行结合

(2)同时添加差分隐私PixeIDP架构

联邦学习对数据进行训练,但从模型隐私角度看,服务器和客户端对本地和全局模型拥有完全访问权

——>引入拆分学习,但会面临训练开销问题

联邦+拆分+差分隐私

参考:

【1】Split Learning及其在数据横/纵向切分场景的应用 - 知乎 (zhihu.com)

你可能感兴趣的:(汇报论文,深度学习,人工智能,笔记)