隐私保护的联邦学习综合调查

过去四年见证了联邦学习（FL）的快速发展。然而，在聚合分布式中间结果的过程中，也出现了新的隐私问题。新兴的隐私保护联邦学习（PPFL）被视为解决通用隐私保护机器学习的方案。然而，在通过机器学习保护数据隐私的同时保持数据效用的挑战依然存在。在本文中，我们基于提出的5W场景分类法，对PPFL进行了全面和系统的调查。我们从五个方面分析FL中的隐私泄露风险，总结现有的方法，并确定未来的研究方向。