综述提出云边IoT可信分布式机器学习路线图

一篇综述提出以安全为中心、感知异构性的可信分布式机器学习路线图，并将联邦学习视为高风险典型案例。 该综述分析非IID数据、资源不对称、间歇参与和跨孤岛/跨设备信任差异如何影响收敛、公平性、攻击可检测性与防御可靠性，并梳理投毒、后门、拜占庭操纵、隐私泄露、模型提取等攻防交互，以及鲁棒聚合、差分隐私、安全聚合、同态加密、安全多方计算、可信执行环境等分层防御。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。