1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 高等教育
  5. 教育学

面向联邦学习的后门攻击防御及模型性能增强方法研究.pdf

面向联邦学习的后门攻击防御及模型性能增强方法研究.pdf

    面向联邦学习的后门攻击防御及模型性能增强方法研究

    摘要

    FL,FederatedLearning

    联邦学习（）作为分布式机器学习框架，在保护数据隐私的

    前提下通过客户端-服务器协作训练全局模型。然而其分布式特性易受后门攻击威胁：

    攻击者通过篡改客户端上传的模型更新，向全局模型注入后门任务，导致特定输入下的

    错误预测，同时损害良性任务性能。现有防御方法依赖单轮更新的聚类过滤技术，存在/

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >