利用动态裁剪差分隐私实现联邦学习入侵检测

摘要： 网络入侵检测任务中应用联邦学习技术可以在参与方数据本地化的同时扩充标签数据数量，以此得到性能更优的检测模型．然而，联邦学习训练过程通常涉及服务器与参与方之间的多次交互，而在交互过程中，参与方上传的参数容易受到攻击者的恶意窃取，造成数据隐私泄漏．针对此问题，提出了一种基于动态梯度裁剪的差分隐私保护方法 DCDP,DCDP选取训练过程中梯度的L2范数分位数作为裁剪阈值，之后通过参数... （共8页）