热点事件观察中

研究者提出联邦学习数据重建攻击AWA

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Yongcun Song、Ziqi Wang、Enrique Zuazua 提出近似加权数据重建攻击方法 AWA，针对现有数据重建攻击难以攻破横向 FedAvg 场景的问题。该方法用基于插值的近似方法生成客户端本地训练的中间模型更新，使 FedAvg 场景可被攻击，并设计逐层加权损失函数、由贝叶斯优化调参以提升重建质量。研究者称，实验显示 AWA 在图像数据重建的多项评估指标上显著优于现有 SOTA 方法，代码已开源。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

联邦学习中的近似加权数据重建攻击（AWA）

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
联邦学习中的近似加权数据重建攻击（AWA）
针对现有数据重建攻击难以攻破横向 FedAvg 场景的问题，研究者提出近似加权攻击方法 AWA：用基于插值的近似方法生成客户端本地训练的中间模型更新，使 FedAvg 场景可被攻击，并设计逐层加权损失函数、由贝叶斯优化调参以提升重建质量。实验显示 AWA 在图像数据重建的多项评估指标上显著优于现有 SOTA 方法，代码已开源。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。