PPFLex usa computação multipartidária segura para corrigir vazamento de privacidade em aprendizado federado otimizado
Pesquisadores mostram que métodos de aprendizado federado otimizados para dados não-IID, que compartilham "matrizes de orientação" baseadas em comportamento de gradiente dos clientes para melhorar a acurácia, criam um canal de vazamento inédito: um servidor central malicioso consegue inferir os conjuntos de rótulos de cada cliente com 50% a 84% de acurácia a partir dessas matrizes. A defesa proposta, PPFLex, substitui o servidor central único por três servidores de computação multipartidária segura (MPC) que calculam a matriz de orientação global sem que nenhum deles veja os dados individuais dos clientes, mantendo acurácia comparável ao método original.
Fonte ↗