基于隐私推断Non-IID联邦学习模型的后门攻击研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：联邦学习安全与隐私在现实场景中受数据异构性的影响很大，为了研究隐私推断攻击、后门攻击与数据异构性的相互作用机理，提出一种基于隐私推断的高隐蔽后门攻击方案。首先基于生成对抗网络进行客户端的多样化数据重建，生成用于改善攻击者本地数据分布的补充数据集；在此基础上，实现一种源类别定向的后门攻击策略，不仅允许使用隐蔽触发器控制后门是否生效，还允许攻击者任意指定后门针对的源类别数据。（剩余8382字）

试读结束

目录
monitor