期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
联邦学习中的模型逆向攻防研究综述 被引量:2
1
作者 王冬 秦倩倩 +5 位作者 郭开天 刘容轲 颜伟鹏 任一支 罗清彩 申延召 《通信学报》 EI CSCD 北大核心 2023年第11期94-109,共16页
联邦学习作为一种分布式机器学习技术可以解决数据孤岛问题,但机器学习模型会无意识地记忆训练数据,导致参与方上传的模型参数与全局模型会遭受各种隐私攻击。针对隐私攻击中的模型逆向攻击,对现有的攻击方法进行了系统总结。首先,概括... 联邦学习作为一种分布式机器学习技术可以解决数据孤岛问题,但机器学习模型会无意识地记忆训练数据,导致参与方上传的模型参数与全局模型会遭受各种隐私攻击。针对隐私攻击中的模型逆向攻击,对现有的攻击方法进行了系统总结。首先,概括并详细分析了模型逆向攻击的理论框架;其次,从威胁模型的角度对现有的攻击方法进行总结分析与比较;再次,总结与比较了不同技术类型的防御策略;最后,对现有模型逆向攻击常用的评估标准及数据集进行汇总,并对模型逆向攻击现有的主要挑战以及未来研究方向进行总结。 展开更多
关键词 联邦学习 模型逆向攻击 隐私安全
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部