安全聚合
一种密码学协议，允许多方上传更新后服务器只能获得聚合结果，无法查看单个更新明文，用于联邦学习中的隐私保护
时间轴 (近 90 天)
安全聚合会带来显著的计算与通信开销，且在跨设备场景中面对频繁掉线时鲁棒性受限。
安全聚合可与差分隐私叠加使用，前者隐藏单个更新，后者限制聚合结果的隐私泄露。
安全聚合（Secure Aggregation）是一种密码学协议，允许多方在不暴露各自本地模型更新的前提下，由服务器只获得所有更新的聚合和。
该方案不要求客户端统一量化级别，客户端可以根据自身带宽条件独立选择量化级别，而不会影响聚合的安全性和正确性。
联邦学习中，安全聚合允许服务器计算N个客户端本地模型更新的总和而不泄露任何单个客户端的更新信息（超出总和的部分）。
现有异构量化安全聚合方法会泄露模型更新的部分聚合，并且在某些掉线和客户端-服务器共谋模式下可能泄露单个模型更新的片段。
PCHMR 使用联邦学习和安全聚合变体来训练当前先进的 HMR 模型，并在多种客户端规模和数据异构程度下评估其表现。
安全聚合保证服务器无法看到单个客户端的更新明文，只能得到所有更新之和，从而防止从更新中反推用户信息。
全部知识事实 (8)
安全聚合会带来显著的计算与通信开销，且在跨设备场景中面对频繁掉线时鲁棒性受限。
50%待验证安全聚合可与差分隐私叠加使用，前者隐藏单个更新，后者限制聚合结果的隐私泄露。
50%待验证安全聚合（Secure Aggregation）是一种密码学协议，允许多方在不暴露各自本地模型更新的前提下，由服务器只获得所有更新的聚合和。
50%待验证该方案不要求客户端统一量化级别，客户端可以根据自身带宽条件独立选择量化级别，而不会影响聚合的安全性和正确性。
50%待验证联邦学习中，安全聚合允许服务器计算N个客户端本地模型更新的总和而不泄露任何单个客户端的更新信息（超出总和的部分）。
50%待验证现有异构量化安全聚合方法会泄露模型更新的部分聚合，并且在某些掉线和客户端-服务器共谋模式下可能泄露单个模型更新的片段。
50%待验证PCHMR 使用联邦学习和安全聚合变体来训练当前先进的 HMR 模型，并在多种客户端规模和数据异构程度下评估其表现。
50%待验证安全聚合保证服务器无法看到单个客户端的更新明文，只能得到所有更新之和，从而防止从更新中反推用户信息。
50%