Defending against Reconstructi
2021-07-24 08:50:01 6 举报
AI智能生成
登录查看完整内容
阅读论文记录模板
作者其他创作
大纲/内容
针对联邦环境下的梯度攻击提出的防御方法;针对以往对FL水平的防御,这里是v防御
Research statement
Research aim
Introduction
针对vFL的防御
Research gap
Research tec
Literature review
提出一组框架
使得特征提取器更加鲁棒,攻击者攻击受阻
本地有特征提取器,远端有预测,回传梯度
Study design
最大限度提高攻击者的重构误差
反向传播时将梯度上升
主动模拟攻击者输入来使得误差最大化
adversarial reconstructor
子主题
诱导攻击者向随机方向进行优化
noise regulariza\u0002tion
span class=\"equation-text\" data-index=\"0\" data-equation=\
减少原始输入与中间层之间的相关性,使得提取的信息减少
distance correlation.
外框
三种方法
Research method
工业数据
Data source
Wide&Deep
Model and Data analysis
Methodoioly
使用一个检测器检测攻击者恢复图像和原始输入的MSE来检测
通过距离相关性来度量
Main findings
Results
针对vFL进行的防御
Highlight
可以研究sota的水平防御
还没有针对sota的水平防御
Suggestions
研究方向
获得整个梯度怎么防御
Limitations
Discussion
设计一个基于三个独立模型的对抗性框架来抵御重构攻击
基于实践实验证明有效
Contributions
Conclusions
自由主题
Defending against Reconstruction Attack in Vertical Federated Learning
0 条评论
回复 删除
下一页