https://blog.qife122.com/tags/%E5%AE%89%E5%85%A8%E8%81%9A%E5%90%88/ Recent content in 安全聚合 on 办公AI智能小助手 Hugo zh-cn qife Thu, 11 Sep 2025 20:03:06 +0800 https://blog.qife122.com/p/%E4%BF%A1%E6%81%AF%E8%AE%BA%E8%A7%86%E8%A7%92%E4%B8%8B%E7%9A%84%E5%8E%BB%E4%B8%AD%E5%BF%83%E5%8C%96%E5%AE%89%E5%85%A8%E8%81%9A%E5%90%88%E4%B8%8E%E6%8A%97%E5%85%B1%E8%B0%8B%E6%8A%80%E6%9C%AF/ Thu, 11 Sep 2025 20:03:06 +0800 https://blog.qife122.com/p/%E4%BF%A1%E6%81%AF%E8%AE%BA%E8%A7%86%E8%A7%92%E4%B8%8B%E7%9A%84%E5%8E%BB%E4%B8%AD%E5%BF%83%E5%8C%96%E5%AE%89%E5%85%A8%E8%81%9A%E5%90%88%E4%B8%8E%E6%8A%97%E5%85%B1%E8%B0%8B%E6%8A%80%E6%9C%AF/ <h1 id="信息论视角下的去中心化安全聚合与抗共谋性">信息论视角下的去中心化安全聚合与抗共谋性</h1> <p>在去中心化联邦学习（FL）中，多个客户端通过交互交换中间模型更新，利用分布在网络中的私有数据集协作学习共享机器学习（ML）模型。为确保数据安全，密码学技术通常用于在聚合过程中保护模型更新。尽管对安全聚合的兴趣日益增长，但现有工作主要关注协议设计和计算保证，对此类系统的基本信息论限制理解有限。此外，在无中央聚合器的去中心化设置中，通信和密钥使用的最优界限仍然未知。</p> https://blog.qife122.com/p/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E6%8A%B5%E5%BE%A1%E6%95%B0%E6%8D%AE%E9%87%8D%E5%BB%BA%E6%94%BB%E5%87%BB%E7%9A%84%E9%80%90%E5%85%83%E7%B4%A0%E5%AE%89%E5%85%A8%E8%81%9A%E5%90%88%E6%8A%80%E6%9C%AF/ Sat, 06 Sep 2025 00:36:25 +0800 https://blog.qife122.com/p/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E6%8A%B5%E5%BE%A1%E6%95%B0%E6%8D%AE%E9%87%8D%E5%BB%BA%E6%94%BB%E5%87%BB%E7%9A%84%E9%80%90%E5%85%83%E7%B4%A0%E5%AE%89%E5%85%A8%E8%81%9A%E5%90%88%E6%8A%80%E6%9C%AF/ <h1 id="联邦学习中抵御数据重建攻击的逐元素安全聚合技术">联邦学习中抵御数据重建攻击的逐元素安全聚合技术</h1> <p>本文提出了一种对SecAgg的新颖增强方案，该方案仅在具有至少k个非零贡献的索引处揭示聚合值。我们的机制引入了逐元素掩码策略来防止贡献不足的元素暴露，同时通过仅依赖典型设置中已使用的密码学原语，保持与许多现有SecAgg实现的模块化和兼容性。我们将此机制集成到Flamingo（一种低轮次SecAgg协议）中，为此类攻击提供鲁棒防御。我们的分析和实验结果表明，该机制引入的额外计算和通信开销保持在可接受范围内，证明了我们方法的实用性。</p>