Feature-consistency relabeling defense

车联网联邦学习面临新的投毒攻击与防御策略

本文提出了一个博弈论框架，用于分析车联网联邦学习（FL）中清洁标签投毒攻击与防御之间的交互。该研究利用基本安全消息（BSM）对异常检测进行建模，并提出了一种特征空间清洁标签攻击，该攻击会微妙地扰动良性样本以降低分类准确性。提出了一种特征一致性重新标记防御方法，用于检测和纠正这些可疑样本，旨在在降低攻击有效性的同时保持高准确性。研究表明，攻击可以随着受损节点的增加而扩展，但所提出的防御措施能有效限制其成功率，并将均衡点转移到更倾向于防御攻击的策略。