研究人员开发了新的框架来解决联邦学习系统中的安全漏洞。一种名为STAIN-FL的方法,通过操纵标签和掩盖梯度,在视频异常检测中引入了隐蔽的、上下文触发的后门攻击,在对干净准确率影响最小的情况下,表现出显著的错误分类率。另一项贡献BackDFL,作为去中心化联邦学习中后门攻击和防御的统一基准,揭示了在现实的、自适应的攻击下,尤其是在异构和依赖图拓扑的场景中,当前鲁棒的方法和适应性防御会失效。 AI
影响 强调了去中心化AI训练中的关键安全漏洞,可能影响协作模型的可靠性。
排序理由 arXiv上发表了两篇学术论文,详细介绍了攻击和防御联邦学习系统的新方法。
- BackDFL
- Decentralized federated learning system
- federated learning
- Mouhamed Amine Bouchiha
- FedAvg
- FedProx
- Purnima Murali Mohan
- STAIN-FL
- UCF-Crime
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →