PulseAugur
中
实时 18:39:52
English(EN) Your Neighbors Know: Leveraging Local Neighborhoods for Backdoor Detection in Decentralized Learning

新的Argus框架检测去中心化学习中的后门攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Argus，一个旨在检测去中心化学习环境中后门攻击的新框架。与以前的方法不同，Argus在没有中央服务器的情况下运行，并且不需要预先了解攻击触发器。它通过让诚实节点分析来自其邻居的模型更新来工作，通过区分真实后门和数据异质性引起的误报的结构相似性度量来识别潜在的恶意触发器。这种协作过滤方法旨在在保持模型效用的同时，显著降低攻击成功率。 AI

影响 为去中心化学习系统中的复杂后门攻击引入了一种新颖的防御机制。

排序理由 这是一篇研究论文，详细介绍了一种用于检测特定机器学习范式中安全漏洞的新颖框架。[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Argus框架检测去中心化学习中的后门攻击

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sayan Biswas, Antoine Boutet, Davide Frey, Romaric Gaudel, Rachid Guerraoui, Maxime Jacovella, Anne-Marie Kermarrec, Dimitri Ler\'ev\'erend, Fran\c{c}ois Ta\"iani, Martijn de Vos ·

    Your Neighbors Know: Leveraging Local Neighborhoods for Backdoor Detection in Decentralized Learning

    arXiv:2605.19969v2 Announce Type: replace Abstract: Decentralized learning (DL) is an emerging machine learning paradigm where nodes collaboratively train models without a central server. However, the collaborative nature of DL makes it vulnerable to backdoor attacks, where a mod…

相关实体

相关话题