【五期李伟平】CCF-B（CIKM'20）PrivacyFL：A Simulator for Privacy-Preserving and Secure Federated Learning

Mugunthan, V. , A. Peraire-Bueno , and L. Kagal . "PrivacyFL: A simulator for privacy-preserving and secure federated learning.", 10.1145/3340531.3412771. 2020.

  本文提出一个模拟器PrivacyFL用来模拟联邦学习，由六个类构成（消息、代理、客户端代理、服务端代理、初始化、目录）。消息类是代理类之间通信的内容；代理类用于创建更具体行为的代理，包括客户端代理和服务端代理；客户端代理类的一个实例是一个实体，作为客户端训练局部模型；服务端代理类的实例作为服务端参与联邦学习；初始类用来初始化代理和模型计算器；目录类包含代理名称到代理实例的映射。客户端代理通过副本添加差分隐私。

  本文的优点1支持添加新的隐私机制2支持客户端离开或故障的鲁棒性3支持集中式（多服务器）和分散式（无服务器）学习

  本文存在的问题1仅支持诚实且好奇的安全模型，不支持恶意安全模型2差分隐私保护效果缺乏评估。

2023年2月10日