今日应用
今日话题
文章摘要
联邦学习与后门攻击
联邦学习允许多个参与方在保护数据隐私的前提下共同训练机器学习模型。然而，由于服务器无法监控参与者的本地训练过程，存在安全序隐患，如后门攻击。
后门攻击关键层的发现
文章发现后门攻击的植入与部分神经网络层的相关性更高，这些层被称为后门攻击关键层。
攻击方法与实验
提出了一种层替换方法来识别后门关键层，并基于这些层提出了一种绕过防御算法检测的攻击方法。实验在CIFAR-10和MNIST数据集上验证了该方法的有效性，揭示了目前三类防御方法的漏洞。
作者介绍
Zhuang Haomin，本科毕业于华南理工大学，曾在路易斯安那州立大学IntelliSys实验室担任研究助理，现于圣母大学攻读博士学位。主要研究方向为后门攻击和对抗样本攻击。
文章来源
原文地址: 点我阅读全文
原文作者: 机器之心
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
晒应用是一个专注于软件和资源网站分享的导航类网站。我们致力于为用户提供最新、最热门的应用推荐和AI资源，涵盖各种AI绘画、AI制图、AI工具、AI剪辑、AI文本、AI创作、实用工具、免费软件、在线服务和在线影视导航。无论您是寻找最佳的数字工具还是想要了解最新的黑科技应用，晒应用都能满足您的需求。