IEEE 2986-2023
IEEE 聯合機器學習隱私和安全推薦實踐
IEEE Recommended Practice for Privacy and Security for Federated Machine Learning
- 標準號
- IEEE 2986-2023
- 發布
- 2024年
- 總頁數
- 57頁
- 發布單位
- 美國電氣電子工程師學會
- 當前最新
- IEEE 2986-2023
- 適用范圍
- 范圍 本文件提供了與 FML 隱私和安全相關的推薦做法，包括安全和隱私原則、針對非惡意故障的防御機制以及對 FML 系統的對抗性攻擊示例。本文件還定義了一個評估框架，以確定給定防御機制在各種設置下的有效性。數據隱私和安全是高度復雜且受到日益監管的法律領域，沒有任何推薦做法能夠與所有適用法律和法規無條件一致，這些法律和法規在地方、州和地區層面也可能有所不同。本文件的用戶應評估任何實施在 FML 背景下的數據隱私、安全和數據所有權方面的考慮，并負責遵守所有此類法律和法規。目的 本推薦做法的目的是為 FML 系統的設計者和用戶提供有關安全和隱私主題的資源，并加速 FML 技術在各個行業的部署。摘要 新 IEEE 標準 - 有效。隱私和安全問題對聯邦機器學習 (FML) 社區構成了巨大挑戰。提供了在滿足 FML 中適用的隱私和安全要求的同時對隱私和安全風險的總體看法。本推薦實踐分為四個部分：FML中的惡意故障與非惡意故障、系統與FML參與者視角的隱私安全要求、防御方法與故障恢復方法、隱私安全風險評估，并針對不同行業領域中典型的FML場景給出了一些指導意見，以方便從業者更好地使用FML。