📚 课程目录第1章联邦学习身份与权限治理导论

1. 联邦学习身份与权限治理导论

联邦学习让多个参与方在不直接交换原始数据的前提下协同训练模型，但它并没有自动解决“谁可以参与、能看什么、能改什么、出了问题谁负责”这一组问题。身份与权限治理要回答的正是这些：把参与方、用户、设备、服务账号等主体识别清楚，把模型、梯度、参数、日志、聚合结果等客体分级分类，再用认证、授权、审计和密钥管理把二者之间的访问关系约束住。缺少这层治理，联邦学习系统会出现三类典型风险：恶意或失陷节点投毒、越权读取他人梯度或聚合结果、以及事后无法追溯某次模型更新由谁提交。

本课程的目标不是泛泛介绍安全概念，而是建立一条可落地的治理主线：身份可信 → 权限最小 → 行为可审计 → 异常可追溯。学完后，你应当能够为一个联邦学习任务设计参与方身份体系，定义角色与权限矩阵，选择认证与密钥方案，配置审计字段，并针对投毒、冒名、越权聚合等场景给出检测与处置思路。

核心问题与治理边界

联邦学习中的身份与权限问题可以拆成四个层次。第一层是主体身份：参与方是机构、边缘节点还是个人设备？它们如何注册、如何证明“我是我”？常用手段包括 X.509 证书、基于 OIDC 的令牌、设备证书或 DID。第二层是客体与资源：全局模型、本地梯度、聚合中间结果、训练配置、审计日志分别属于谁，敏感级别如何。第三层是访问决策：在什么条件下允许某主体对某资源执行读、写、聚合、下载等操作，通常用 RBAC 或 ABAC 表达。第四层是审计与追责：每次认证、授权、参数上传、模型下发都要留下不可篡改的记录，并支持按参与方、任务、时间检索。

治理边界需要明确：身份与权限治理不负责提升模型精度，也不替代差分隐私、安全聚合等密码学机制；它负责的是“访问关系”的正确性。反过来，安全聚合、差分隐私也不能替代身份治理——如果攻击者能冒充合法参与方，再强的聚合协议也会被绕过。因此本课程把身份与权限视为联邦学习安全体系的前置层。

整体知识地图

下图给出本课程的知识地图：左侧是治理对象与主体，中间是四类核心机制，右侧是落地产物与验证方式。图中同时标出了各机制之间的依赖方向，便于你建立整体认知。

从概念到可执行：一个最小治理样例

为了让治理不停留在概念，下面给出一个可参考的最小身份与权限配置样例。假设某医疗联邦学习任务有三个参与方：A 医院、B 医院、C 研究所，中央聚合服务器由平台方运维。我们为每个参与方签发独立证书，并定义角色与权限。

# 参与方身份注册（示例）
participant: hospital_A
  cert: /pki/hospital_A.crt
  role: data_owner
  allowed_actions: [upload_gradient, download_global_model]
  allowed_rounds: 1-50
  max_upload_mb: 200

participant: hospital_B
  cert: /pki/hospital_B.crt
  role: data_owner
  allowed_actions: [upload_gradient, download_global_model]
  allowed_rounds: 1-50
  max_upload_mb: 200

participant: institute_C
  cert: /pki/institute_C.crt
  role: auditor
  allowed_actions: [read_audit_log, read_model_metadata]
  allowed_rounds: 1-50
  max_upload_mb: 0

aggregator:
  role: aggregator
  allowed_actions: [aggregate_gradient, publish_global_model, write_audit_log]

这份配置体现了三条治理原则。第一，最小权限：C 研究所只读审计日志和模型元数据，不能上传梯度，避免其成为投毒入口。第二，动作与轮次绑定：参与方只能在第 1 至 50 轮上传梯度，超出轮次的上传请求应被拒绝，防止训练结束后仍有人注入更新。第三，可审计：聚合器必须写审计日志，记录每轮聚合的参与方列表、梯度哈希、时间戳和签名。

实际运行时，一次梯度上传的判定过程可以这样观察：客户端用私钥对梯度摘要签名，服务器先验证证书链和签名，再检查该参与方在当前轮次是否具有 upload_gradient 权限，最后检查上传大小是否超过 max_upload_mb。三项都通过才写入聚合队列，否则返回拒绝原因并记录审计事件。判断是否达成治理目标，可以看三个指标：非法上传被拒率、审计日志完整率、异常更新定位耗时。

学习建议：每学完一个机制，就回到上面的知识地图，确认它落在“认证、授权、密钥、审计”中的哪一格，以及它依赖哪些前置条件。这样能避免把身份治理学成零散的安全知识点。

本课程后续将依次展开身份体系设计、角色与权限建模、密钥生命周期、审计与追溯、异常检测与处置，并结合联邦学习任务的实际参数与日志进行演练。你现在需要建立的认知是：身份与权限治理是联邦学习能否被信任、被审计、被规模化使用的基础设施，而不是可选的附加项。