典型文献
针对联邦学习的组合语义后门攻击
文献摘要：
联邦学习中参与者不需要共享数据就可以进行协作训练,无可信赖的权威第三方检验参与者训练样本的真实性与正确性,所以联邦学习容易受到恶意用户的后门攻击.目前针对联邦学习的集中式后门攻击在拜占庭鲁棒性聚合算法下攻击效果不佳,且分布式后门攻击的局部触发器有较高的攻击成功率,但容易发生误触.为了解决上述问题,本文提出一种针对联邦学习的组合语义后门攻击,多个攻击者生成局部后门模型,利用联邦学习聚合,生成全局后门模型.经在图像分类任务上与现有联邦学习中的后门攻击进行对比实验证明:本文的攻击模型在拜占庭聚合机制下攻击效果更好,并且误触率低于10％.
文献关键词：
联邦学习;后门攻击;拜占庭聚合机制
中图分类号：
作者姓名：
林智健
作者机构：
东华大学 计算机科学与技术学院,上海201600
文献出处：
引用格式：
[1]林智健-.针对联邦学习的组合语义后门攻击)[J].智能计算机与应用,2022(07):74-79
A类：
真实性与正确性,拜占庭聚合机制
B类：
对联,联邦学习,合语,后门攻击,共享数据,作训,无可,可信赖,训练样本,恶意用户,集中式,聚合算法,触发器,误触,攻击者,图像分类,分类任务,攻击模型
AB值：
0.211605
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
