在 SecretFlow 拆分学习中实现 max-norm 防御

[Yeekin-GYJ]

此 ISSUE 为 隐语开源共建计划（SecretFlow Open Source Contribution Plan，简称 SF OSCP)任务 ISSUE，欢迎社区开发者参与共建～
若有感兴趣想要认领的任务，但还未报名，辛苦先完成报名进行哈～

任务介绍

• 任务名称：在 SecretFlow 拆分学习中实现 max-norm 防御
• 技术方向：FL/security
• 任务难度：进阶🌟🌟

详细要求

• 功能性：在 SecretFlow 中实现论文Label Leakage and Protection in Two-party Split Learning的 max-norm 防御算法。需要使用 Callback 框架实现。
• 代码规范：Python 代码需要使用 black+isort 进行格式化（流水线包含代码规范检查卡点）
• 框架后端：优先实现 PyTorch 版本，同时实现 TensorFlow 版本更好。
• 提交说明：关联该 isuue 并提交代码至 https://github.com/secretflow/secretflow/blob/main/secretflow/ml/nn/sl/defenses

能力要求

• 了解基本 git 操作
• 熟悉 深度学习、联邦学习
• 对 SecretFlow 有一定了解

操作说明

• 范例：PyTorch 后端的 gradient average 防御

[Yeekin-GYJ]

该任务与 secretflow #1238、secretflow #1239、secretflow #1241 为「开源之夏 2024」SecretFlow 拆分学习中实现两个攻击及两个防御算法的项目课题，不可单独认领。具体认领方式请遵循「开源之夏 2024」活动规则～详情查看：https://summer-ospp.ac.cn/help/student/

[Rainysponge]

Rainysponge Give it to me