[特别任务] 拆分学习 SPlitGuard 防御优化算法实现

[Niko-Zeng]

此 ISSUE 为 [隐语开源共建计划（SecretFlow Open Source Contribution Plan，简称 SF OSCP）Phase 6 任务 ISSUE，欢迎社区开发者参与共建～

• 认领前，辛苦确认是否完成[报名](https://studio.secretflow.com/activity/rkub4eryy7g3vmn/detail

• 更多任务，可查看 「OSCP Phase6 Season of Dev」Project

This ISSUE is one of the tasks of the [SecretFlow Open Source Contribution Plan (referred to as SF OSCP) Phase 6. Welcome to join us in building it together!

• Before claiming a task, please make sure you have signed up.

• For more tasks, you can check the "OSCP Phase6 Season of Dev" Project.

任务介绍

• 任务名称：拆分学习 SPlitGuard 防御优化算法实现
• 技术方向：Federated Learning/Split Learning
• 任务难度：挑战🌟🌟🌟

详细要求

结合 SLModel 拆分学习 SPlitGuard 防御优化算法实现，实现拆分学习图数据的特征攻击算法实现，进行封装实验和实验报告。

• 安全性：尽量少 reveal
• 功能性：可完整实现某个拆分学习攻防算法的全流程
• 收敛性：包含 simulator 跑出的实验数据并且证明攻击/防御效果
• 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）
• 提交说明：关联该 issue 并提交代码至 https://github.com/secretflow/secretflow/tree/main/examples/security

操作说明

• 可参考 SecretFlow 实现方式
• 拆分学习模型操作指引

[Dayuxiaoshui]

Dayuxiaoshui give it to me

[Niko-Zeng]

恭喜成功🏅认领 @Dayuxiaoshui