SplitFed: When Federated Learning Meets Split Learning

发布时间：2023年12月31日

（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)

文章来源:https://blog.csdn.net/weixin_62646577/article/details/135316500
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章