分散学习中的攻击与防御分类综述
密码学与安全
2025-05-12 v1 机器学习
摘要
分散学习（Split Learning, SL）作为一种前沿的分布式深度学习范式，允许资源受限的客户端将模型计算的部分卸载至服务器，同时保持协作学习。然而，近期研究表明SL仍然暴露于各种隐私和安全威胁之下，包括信息泄露、模型反演和对抗性攻击。虽然已提出多种防御机制，但对攻击格局和相应防御措施的系统性理解仍缺乏。本研究提出了SL攻击与防御的综合分类框架，沿三个关键维度对其进行归类：所采用的策略、约束条件以及有效性。此外，我们基于本系统化工作，识别了SL中的关键开放挑战和研究空白，凸显了潜在的未来方向。
引用
@article{arxiv.2505.05872,
title = {A Taxonomy of Attacks and Defenses in Split Learning},
author = {Aqsa Shabbir and Halil İbrahim Kanpak and Alptekin Küpçü and Sinem Sav},
journal= {arXiv preprint arXiv:2505.05872},
year = {2025}
}