利用動態(tài)裁剪差分隱私實現(xiàn)聯(lián)邦學習入侵檢測

摘要： 網(wǎng)絡入侵檢測任務中應用聯(lián)邦學習技術(shù)可以在參與方數(shù)據(jù)本地化的同時擴充標簽數(shù)據(jù)數(shù)量，以此得到性能更優(yōu)的檢測模型．然而，聯(lián)邦學習訓練過程通常涉及服務器與參與方之間的多次交互，而在交互過程中，參與方上傳的參數(shù)容易受到攻擊者的惡意竊取，造成數(shù)據(jù)隱私泄漏．針對此問題，提出了一種基于動態(tài)梯度裁剪的差分隱私保護方法 DCDP,DCDP選取訓練過程中梯度的L2范數(shù)分位數(shù)作為裁剪閾值，之后通過參數(shù)... （共8頁）