1. 项目背景：针对末端云边端系统、多方数据孤岛计算协同等分散计算架构，以适用于该计算架构的安全聚合联邦机器学习模型为研究对象，通过分析该模型的脆弱性，旨在提出增强的隐私计算技术和隐私保护机器学习模型，提升分布式系统的安全防护能力。
2. 项目目的：通过针对联邦学习的后门攻击分析，进行模型模型脆弱性分析，并针对该脆弱点，提出防御策略，提升联邦学习安全性。
3. 提出基于部分聚合的联邦学习安全聚合协议，在保护隐私的基础上，有效将后门攻击成功率从100%降为0。
4. 产出论文和专利