四川
編者薦語
本文提出了一種創新的基于布隆過濾器的聯邦遺忘學習方案，巧妙結合了聯邦學習的數據最小化原則與布隆過濾器的高效驗證特性。該方案不僅有效解決了數據孤島和隱私泄露風險，還通過組合哈希函數確保了數據傳輸的完整性和用戶隱私的安全。
陳萍 , 江澤豪 , 郭霏霏 , 等 . 基于布隆過濾器的聯邦遺忘學習[J]. 信息安全與通信保密 ,2024(10):98-114.
摘 要
聯邦學習體現了集中數據收集和最小化的原則，可以有效解決傳統集中式機器學習存在的數據孤島以及系統性的隱私風險問題，但數據使用中仍存在隱私泄露風險。為此，提出一種基于布隆過濾器的聯邦遺忘學習方案，通過布隆過濾器實現聯邦遺忘學習的成員資格驗證、用戶隱私保護和數據傳輸完整性的驗證，通過組合哈希函數將數據映射到布隆過濾器中，即使布隆過濾器被泄露，攻擊者也只能獲取到位數組，隱私信息仍然得到有效保護；同時，使用布隆過濾器能夠快速驗證數據完整性，確保傳輸和存儲的數據未被篡改，從而提高系統的安全性。安全性分析結果表明，所提方案能夠抵抗內部敵手、外部敵手和內外合謀對布隆過濾器存儲數據的攻擊。性能評估結果表明，在成員資格驗證方面，相比于使用哈希表，布隆過濾器在插入速度上提升了約14.6%，在查找速度上提升了約5.3%。
論文結構
0 引 言
1 基礎知識
1.1 聯邦學習
1.2 聯邦遺忘學習
1.3 布隆過濾器
2 聯邦遺忘學習方案設計
2.1 用戶隱私保護算法
2.2 數據傳輸完整性驗證算法
3 安全性分析與性能評估
3.1 威脅模型與安全目標
3.2 安全性分析
3.3 有效性評估
3.4 性能評估
4 結 語
作者簡介
- 陳 萍（1987—），女，學士，研究實習員，主要研究方向為人工智能；
- 江澤豪（2000—），男，碩士，主要研究方向為數據安全與隱私保護；
- 郭霏霏（1980—），男，碩士，教授，主要研究方向為人工智能；
- 熊金波（1981—），通信作者，男，博士，教授，主要研究方向為數據安全與隱私保護、人工智能安全。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
