研究人员开发了 CausShield，一种增强垂直联邦学习 (VFL) 隐私的新方法。该方法利用因果表征学习来区分数据中与任务相关和与任务无关的特征。通过分离这些组件，CausShield 旨在保护敏感的私人信息，同时保持模型的效用，比现有方法提供更强大的防御样本重建攻击的能力。 AI
影响 增强了分布式机器学习系统的隐私保证，可能促成更敏感的数据协作。
排序理由 这是一篇描述用于改进联邦学习隐私的新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2606.08027v1 Announce Type: cross Abstract: Vertical federated learning (VFL) is a distributed learning paradigm that leverages vertically partitioned features across isolated parties without sharing raw samples; however, it remains vulnerable to active sample reconstructio…