研究提出医学影像联邦学习隐私攻击与防御框架

Md Morshedul Islam 等作者提出一种基于 DCGAN 的模型反演攻击，可在联邦学习场景下从大规模医学影像中重建出语义有意义的合成图像，并在 Brain MRI ND-5 数据集上验证了训练数据的隐私风险。 作者同时评估了防御手段：客户端差分隐私能降低攻击成功率，但会造成精度损失；个性化联邦学习可进一步弥补这一精度权衡。研究还发现，不同聚合算法对攻击脆弱性和防御效果均有显著影响。该攻防框架与模型无关，作者称其适用于各类联邦学习系统。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。