更新时间：2021-12-17 GMT+08:00
安全多方算法
背景信息
在联邦学习架构中，各client在本地进行训练，并上传明文形式的模型参数值，至server进行加权汇聚。如果server不可信，则存在隐私威胁，即server可以得到每个client的模型参数值，从而恢复出训练数据。
算法原理
通过多方计算，client对模型参数进行加噪后上传server 。噪声在server处汇聚时相互抵消，且server无法得到各client的模型参数值。
算法缺陷
当有 client 掉线时，无法恢复出噪声，导致汇聚失败。
父主题： 安全隐私算法
