IEEE 2986-2023
IEEE 联合机器学习隐私和安全推荐实践

IEEE Recommended Practice for Privacy and Security for Federated Machine Learning

标准号

IEEE 2986-2023

发布

2024年

发布单位

SCC

当前最新

IEEE 2986-2023

 

 

适用范围

范围 本文件提供了与 FML 隐私和安全相关的推荐做法，包括安全和隐私原则、针对非恶意故障的防御机制以及对 FML 系统的对抗性攻击示例。本文件还定义了一个评估框架，以确定给定防御机制在各种设置下的有效性。数据隐私和安全是高度复杂且受到日益监管的法律领域，没有任何推荐做法能够与所有适用法律和法规无条件一致，这些法律和法规在地方、州和地区层面也可能有所不同。本文件的用户应评估任何实施在 FML 背景下的数据隐私、安全和数据所有权方面的考虑，并负责遵守所有此类法律和法规。目的 本推荐做法的目的是为 FML 系统的设计者和用户提供有关安全和隐私主题的资源，并加速 FML 技术在各个行业的部署。摘要 新 IEEE 标准 - 有效。隐私和安全问题对联邦机器学习 (FML) 社区构成了巨大挑战。提供了在满足 FML 中适用的隐私和安全要求的同时对隐私和安全风险的总体看法。本推荐实践分为四个部分：FML中的恶意故障与非恶意故障、系统与FML参与者视角的隐私安全要求、防御方法与故障恢复方法、隐私安全风险评估，并针对不同行业领域中典型的FML场景给出了一些指导意见，以方便从业者更好地使用FML。

IEEE 2986-2023相似标准

推荐