READ-2356 Long-Short History of Gradients is All You Need: Detecting Malicious and Unreliable Client

VivienneLuo

于 2024-01-23 13:22:30 发布

阅读量392

点赞数 9

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/135756737

版权

本文探讨了在联邦学习中，通过记录和分析梯度的长短期历史，有效区分恶意客户端（包括目标攻击者和无目标攻击者）、类似恶意的良性客户端以及正常客户端的方法，利用距离和相似性度量对抗投毒攻击和噪声干扰。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文名称	Long-Short History of Gradients is All You Need: Detecting Malicious and Unreliable Clients in Federated Learning
作者	Ashish Gupta, Tie Luo, Mao V. Ngo, Sajal K. Das
来源	ESORICS 2022
领域	Machine Learning - Federal learning - Security – poisoning attack
问题	已有的防御机制主要针对恶意客户端和良性客户端进行两重区分，而三重区分更具有挑战：恶意客户端、由于具有低质量训练数据而类似恶意客户端的良性客户端、良性客户端，并且恶意客户端又可以进一步分为有目标攻击者和无目标攻击者
方法	在迭代过程中记录梯度的长-短历史，并利用距离和相似性度量识别不可靠客户端，再进一步考虑有目标和无目标攻击以及更细粒度的攻击类型