VFLAIR: 垂直联邦学习的研究库和基准

Oct, 2023

VFLAIR: 垂直联邦学习的研究库和基准

VFLAIR: A Research Library and Benchmark for Vertical Federated Learning

Tianyuan Zou, Zixuan Gu, Yu He, Hideaki Takahashi, Yang Liu...

TL;DRVFLAIR 是一个可扩展且轻量级的 VFL 框架，支持多种模型、数据集和协议的 VFL 训练，包括各种攻击和防御策略的综合评估，以及在不同通信和模型划分设置下的 11 种攻击和 8 种防御策略的性能基准研究，为不同实际 VFL 部署场景的防御策略选择提供具体见解和建议。

Abstract

vertical federated learning (VFL) has emerged as a collaborative training paradigm that allows participants with different features of the same group of users to accomplish cooperative training without exposing t

vertical federated learning collaborative training data inference backdoor attacks vfl framework

发现论文，激发创造

垂直联邦学习的效果、安全性、适用性调查

纵向联邦学习是一种隐私保护的分布式学习范式，不泄露私密数据的情况下，不同参与方通过使用共享样本的分区特征协同学习模型。本文对纵向联邦学习的最新发展进行了系统概述，并提出了几个关键的未来研究方向，以促进该领域的发展。

May, 2024

垂直联邦学习

本文提供了关于垂直联邦学习的综述，包括联邦学习的概念、算法及其各个方面的挑战和现有进展；介绍了 VFL 的分类、隐私保护协议、攻击和防御策略，并提出了 VFLow 统一框架；最后还回顾了工业应用的最新进展和存在的开放性问题和未来发展方向。

Nov, 2022

使用敌对嵌入攻击竖直联邦学习模型

本研究探讨了垂直联邦学习的安全保障问题，针对现有垂直联邦学习框架中使用密码学技术提供数据隐私和安全保障的方式，提出了对模型安全性的进一步研究探讨。

Dec, 2022

纵向联邦学习：挑战、方法与实验

本文针对垂直联邦学习 (VFL) 这种特殊的架构设计，旨在解决 VFL 中关于安全隐私、大量计算和通信成本、模型分裂和系统异构等方面的研究挑战，提出有效的解决方案并在真实数据集上进行了实验，证明了我们的方案的有效性。

Feb, 2022

VertiBench：提升竖直联邦学习基准中特征分布的多样性

本文介绍了两个影响垂直联邦学习性能的关键因素 - 特征重要性和特征相关性，并提出了相关的评估指标和数据集分割方法，同时介绍了一个实际的 VFL 数据集来解决图像之间的 VFL 场景不足。针对尖端的 VFL 算法的全面评估为未来的研究提供了有价值的见解。

Jul, 2023

基于模型生命周期的垂直联邦学习中隐私威胁与防御调查

综述了垂直联邦学习中的隐私攻击和防御方法，提供了攻击和防御的分类方法，并讨论了未来的研究方向和挑战，为研究人员提供了资源，为从业者在机器学习模型的生命周期中保护数据隐私提供明确指导和可行的见解。

Feb, 2024

BadVFL: 垂直联邦学习的后门攻击

本文研究了垂直联邦学习中的干扰攻击，提出了第一种干净标签后门攻击技术，并在三个数据集上验证了其有效性，研究了攻击成功的因素，并讨论了减轻其影响的对策。

Apr, 2023

基于分层视角的垂直联邦学习综述

本文从硬件层到垂直联邦系统层对垂直联邦学习的现有工作和挑战进行分类，特别设计了一种新的 MOSP 树分类法来分析保护对象、安全模型和隐私保护协议等四个维度的核心组件 - 安全垂直联邦机器学习算法。

Apr, 2023

UIFV：纵向联邦学习中的数据重构攻击

利用统一 InverNet 框架引入 VFL 中，通过利用中间特征数据重构原始数据，而不是依赖于梯度或模型细节，我们的研究揭示了 VFL 系统中的严重隐私漏洞，这对实际 VFL 应用构成了真正的威胁，并证实了进一步增强 VFL 架构中的隐私保护的必要性。

Jun, 2024

动态网络中的容错垂直联合学习

垂直联邦学习是一种联邦学习的类别，在这种类别中，每个客户端共享相同的样本空间，但仅持有特征的子集。本文提出了 Internet Learning（IL），包括其数据分割和网络环境，将性能表现优化为处理客户端的极端动态条件的主要目标。在模拟传感器网络的基础上，通过实现新方法，提出指标并广泛分析结果，证明所开发的方法对网络变化的鲁棒性更优于 VFL 基线。

Dec, 2023