准确率降至3%，主任务性能几乎不变！华工JHU提出全新「联邦学习攻击识别」解决方案｜ICCV2023

AIGC动态欢迎阅读

原标题：准确率降至3%，主任务性能几乎不变！华工JHU提出全新「联邦学习攻击识别」解决方案｜ICCV2023

关键字：距离,,研究人员,梯度,方法

文章来源：新智元

内容字数：3767字

内容摘要：新智元报道编辑：LRS【新智元导读】无惧联邦学习中的攻击！全新解决方案利用多指标和动态加权来自适应地识别，在难度最高的Edge-case PGD中，准确率仅为3.06%。由于难以被服务器端的防御方法识别，Edge-case PGD攻击目前已经给联邦学习带来巨大的威胁。诸如FLAME，Foolsgold等SOTA模型，可以在CIFAR-10数据集上实现高达60%的攻击成功率。最近，华…

原文链接：点此阅读原文：准确率降至3%，主任务性能几乎不变！华工JHU提出全新「联邦学习攻击识别」解决方案｜ICCV2023

联系作者

文章来源：新智元

作者微信：AI_era

作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。