PulseAugur
中
实时 08:14:52
English(EN) Keyed Provenance Watermarking with Complementary Lattice-Based Secure Aggregation for Federated Learning

新的联邦学习框架集成了水印和安全聚合

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的联邦学习框架，该框架集成了带密钥溯源水印和格基安全聚合。该方法旨在防御多层攻击，包括数据泄露和恶意梯度操纵，这些是联邦学习系统中的常见漏洞。提出的解决方案使用物理锚点元数据和HMAC-SHA-256变换来创建安全的水印负载，确保数据溯源。此外，基于格的零知识安全聚合协议为梯度计算提供了后量子安全。 AI

影响 增强了联邦学习系统的安全性和可信度，有可能在敏感应用中得到更广泛的应用。

排序理由 该条目是一篇研究论文，详细介绍了联邦学习的新颖技术框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的联邦学习框架集成了水印和安全聚合

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xinyun Liu, Zhi Lu, Yu Chen, Ronghua Xu ·

    面向联邦学习的带互补格基安全聚合的键控溯源水印

    arXiv:2608.20580v1 Announce Type: cross Abstract: Federated learning (FL) is vulnerable to multi-level attacks. However, existing methods address them separately, leaving FL exposed to data leakage, unauthorized reuse, and malicious gradient manipulation. In this work, we propose…

相关实体

相关话题