Correlation Value Encoding Attack

新的FedCVESA攻击窃取联邦学习模型中的私有训练数据

研究人员开发了FedCVESA，一种可以从联邦学习模型中提取私有训练数据的新型攻击方法。这种白盒攻击针对特定客户端，并将私有数据编码到模型参数中，称为载体参数。为了防止这些编码数据在聚合过程中被覆盖，FedCVESA采用了分段聚合，在对剩余参数进行标准平均的同时保留载体参数。在MNIST和CIFAR-10等数据集上的实验表明，FedCVESA可以在保持主任务可接受效用的同时，成功窃取有意义的私有训练图像。