READ-2354 FLCert: Provably Secure Federated Learning Against Poisoning Attacks

VivienneLuo

于 2024-01-23 13:21:50 发布

阅读量451

点赞数 8

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/135756599

版权

本文提出FLCert，一种在联邦学习中对抗投毒攻击的证明安全防御方法，通过多组全局模型训练和预测，但面临性能损失。研究强调了现有防御的局限性和未来挑战，如如何平衡安全与效率及利用任务先验知识提升认证水平。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文名称	FLCert: Provably Secure Federated Learning Against Poisoning Attacks
作者	Xiaoyu Cao; Zaixi Zhang; Jinyuan Jia; Neil Zhenqiang Gong
来源	IEEE T INF FOREN SEC 2022
领域	Machine Learning - Federal learning - Security – poisoning attack
问题	已有防御没有对投毒攻击给出可证明的安全保证，并且容易受到更高级的攻击
方法	将客户端分成组，使用任何现有的联邦学习方法为每组客户端学习一个全局模型，并在全局模型中使用多数票作为测试输入的预测