READ-2349 DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection

VivienneLuo

于 2024-01-23 13:20:17 发布

阅读量527

点赞数 7

分类专栏： FL Security 文章标签：安全联邦学习

本文链接：https://blog.csdn.net/m0_51638853/article/details/135756166

版权

论文名称	DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection
作者	P. Rieger, T. D. Nguyen, Markus Miettinen, A. Sadeghi
来源	NDSS 2022
领域	Machine Learning - Federal learning - Security – Backdoor attack
问题	已有的防御方式：1.旨在检测和删除中毒模型：无法区分在不同数据分布的良性训练数据上训练的模型和中毒模型；2.旨在限制中毒模型的影响：不能有效地对抗具有高攻击影响的中毒模型更新
方法	检查神经网络的内部结构和输出，将基于聚类的过滤方案与裁剪相结合，以识别具有高攻击影响的恶意更新，同时保持来自不同数据分布的良性模型更新