ai-infra-interview-305

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

记忆要点

  1. 隐私：访问控制、加密、审计；合规要求不出域、可审计。
  2. FL = 数据留本地、传更新；协调、安全聚合、跨集群。
  3. 平台 FL 作业 + 权限 + 审计。
返回模块 返回总览