研究分析联邦学习恶意服务器梯度泄露并提出检测机制

Fei Wang 与 Baochun Li 发表论文，首次从防御者视角系统分析联邦学习中恶意服务器操纵全局模型、诱发信息丰富梯度更新以重建用户隐私数据的攻击。作者称，这类攻击无法同时做到高效重建隐私数据与足够隐蔽以逃避检测，在包含常见归一化和联邦平均的真实联邦学习设置下尤其如此。 据此，作者提出一种轻量客户端检测机制，在本地训练开始前标记可疑的模型更新，以极小开销为注重隐私的联邦学习系统提供可部署的防护。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。