17-训练平台设计
第 232 题:数据隐私和合规?联邦学习基础设施?
题目
数据隐私和合规?联邦学习基础设施?
完整讲解
一、数据隐私与合规
隐私:训练数据可能含 个人、敏感、受监管 信息;合规 要求数据 不出域、最小使用、可审计。平台需 访问控制、加密、审计日志;数据目录 标注敏感级别与用途限制;训练作业 仅能访问其 授权 的数据集。
二、联邦学习基础设施
联邦学习(FL):数据 保留在各参与方,仅交换 梯度或模型更新,不集中原始数据。基础设施:协调服务(中心或去中心)下发配置、轮次与聚合策略;各参与方 在本地跑训练、按轮次上传 加密或脱敏的更新;安全聚合(Secure Aggregation)可选,使中心只得到「聚合结果」而看不到单方更新。通信:跨方 TLS、认证、访问控制;差分隐私 或 梯度压缩 可叠加。多集群:参与方多为独立集群,需 跨集群任务与通信、版本与轮次一致、故障与掉线 处理。
三、与平台集成
平台提供 FL 作业类型:指定参与方列表、聚合方式、轮次;权限与网络 仅开放 FL 所需;审计 记录谁在何时用何数据与模型版本。合规:满足「数据不出域」;审计 满足监管与内控。
面试要点
- 数据隐私:访问控制、加密、审计、数据目录与敏感标注;训练仅用授权数据。
- 联邦学习:数据不出域、只传梯度/更新;需协调、安全聚合、跨集群通信与容错。
- 平台提供 FL 作业类型、权限与审计;满足合规与隐私。
记忆要点
- 隐私:访问控制、加密、审计;合规要求不出域、可审计。
- FL = 数据留本地、传更新;协调、安全聚合、跨集群。
- 平台 FL 作业 + 权限 + 审计。