TrajSyn: 用于服务器端对抗训练的联邦模型轨迹隐私保护数据集蒸馏

该论文提出了 TrajSyn，这是一种以隐私保护方式提炼数据集的新方法，这对于联邦学习环境中服务器端的对抗性训练至关重要。该研究解决了安全且稳健的 AI 的一个关键挑战，尤其是在数据隐私至关重要的场景中。

• •通过提炼数据轨迹来解决联邦学习中的隐私问题。
• •侧重于服务器端对抗性训练，提高模型鲁棒性。
• •提供了一种平衡模型性能和数据隐私的方法。