通过线性和仿射子空间约束的梯度反演

原文：Gradient Inversion through Linear and Affine Subspace Constraints

联合学习使多个客户端能够协作训练机器学习模型，而无需直接共享本地数据集。然而，正如先前的工作所示，训练期间交换的梯度可能会泄露有关客户数据的敏感信息。大多数现有攻击通常优化虚拟输入以匹配真实的客户端梯度（梯度反转攻击），而一些攻击

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。