联邦学习恶意梯度泄露难兼顾隐蔽，研究提出轻量检测

Fei Wang与Baochun Li发表的论文称，首次系统分析了联邦学习中的恶意梯度泄露攻击，结论是这类攻击无法同时做到高还原效果和高隐蔽性。 这类攻击由恶意服务器操纵全局模型、诱使客户端梯度泄露隐私。论文称，在包含归一化与联邦平均的真实设置下，攻击尤其容易被基础监控发现；作者据此提出一种轻量客户端检测机制，在本地训练开始前标记可疑的模型更新，以很低开销为隐私敏感的联邦学习系统提供可部署防护。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。