联邦学习投毒攻击与防御综述
密码学与安全
2023-06-07 v1
摘要
作为一种分布式机器学习技术，联邦学习使多个客户端能够跨分散数据协作构建模型，而无需显式聚合数据。由于其打破数据孤岛的能力，联邦学习在金融、医疗和教育等众多领域受到越来越多的关注。然而，客户端训练数据的不可见性与本地训练过程导致了一些安全问题。近来，许多工作被提出以研究联邦学习中的安全攻击与防御，但尚无专门针对联邦学习投毒攻击及相应防御的综述。本文调研了联邦学习投毒攻击与防御的最先进方案，并指出了这些领域的未来方向。
引用
@article{arxiv.2306.03397,
title = {A Survey on Federated Learning Poisoning Attacks and Defenses},
author = {Junchuan Lianga and Rong Wang and Chaosheng Feng and Chin-Chen Chang},
journal= {arXiv preprint arXiv:2306.03397},
year = {2023}
}