社区新知 | MindSpore 联邦学习任务中的数据安全和隐私保护

在数据保护条例的约束下，数据流通必然受到限制，从而形成“数据孤岛”现象：许多个人/企业有自己收集的数据，单靠他们本身持有的数据不足以完成一个数据挖掘任务，但他们又不想把自身的数据分享给其它个个体。

为了解决数据孤岛难题，学术界和工业界的先驱们提出了多种隐私计算方法，其中就包括此次会议要讨论的联邦学习。

尽管联邦学习可以实现数据不出端，但高水平的攻击者依然可以利用客户端上传的模型参数来逆向构造客户端的隐私数据，或者通过拜占庭攻击来破坏整个联邦学习任务。面对这些威胁，我们该如何应对？此次**AI安全SIG（Special Interest Groups）**会议，我们将一起讨论这个问题。

1. 为了便于大家获得更好的会议体验，建议大家提前通过这个链接（[

https://mindspore.cn/federated/

](https://mindspore.cn/federated/)）了解MindSpore已经开源的联邦学习框架。会议结束之后，我们会把视频上传至MindSpore的bilibili官方账号。

2. 此外，我们也非常欢迎AI安全领域（如对抗样本、联邦学习、差分隐私、安全多方计算、模型可解释、deepfake、语音仿冒）的老师同学们主动报名，和大家分享自己的成果，找到志同道合的伙伴，共同解决难题！

会议详情

会议时间：2021.8.31（周二） 19:15 ~ 21:00

会议链接：https://welink.zhumu.com/j/184434230

会议ID: 0184434230

请大家在会议开始之前点击链接，根据链接提示下载好会议软件，谢谢！

参会者有机会获得雨伞以及MindSpore纪念袋，期待大家参与哦~