联邦学习在医学影像中的对抗攻击探索
密码学与安全
2023-10-11 v1 机器学习
图像与视频处理
摘要
联邦学习为医学图像分析提供了一种保护隐私的框架，但使系统暴露于对抗攻击之下。本文旨在评估联邦学习网络在医学图像分析中针对此类攻击的脆弱性。采用特定领域的 MRI 肿瘤和病理成像数据集，我们评估了已知威胁场景在联邦学习环境中的有效性。我们的测试表明，特定领域的配置可显著提升攻击者的成功率。研究结果强调了有效防御机制的迫切需求，并建议对联邦医学图像分析系统中当前的安全协议进行批判性重新评估。
引用
@article{arxiv.2310.06227,
title = {Exploring adversarial attacks in federated learning for medical imaging},
author = {Erfan Darzi and Florian Dubost and N. M. Sijtsema and P. M. A van Ooijen},
journal= {arXiv preprint arXiv:2310.06227},
year = {2023}
}