引入了一个名为 BackDFL 的新基准，用于评估去中心化联邦学习系统中的后门攻击和防御。该基准强调，即使在适度的恶意参与率下，当前的去中心化学习方法和适应性防御也容易受到攻击。研究发现，这些方法的鲁棒性因通信图拓扑和异构设置而异。 AI
影响 突出了去中心化学习中的关键安全漏洞，可能影响安全协作式AI系统的开发。
排序理由 学术论文，介绍用于评估特定机器学习范式安全性的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2608.21137v1 Announce Type: new Abstract: Decentralized Federated Learning (DFL) promises trust-free collaborative learning by replacing the centralized parameter server with peer-to-peer model exchange. However, this architectural shift fundamentally reshapes the threat la…