FDA3：面向基于云的工业物联网应用的联邦对抗攻击防御
机器学习
2020-06-30 v1 密码学与安全
机器学习
摘要
随着人工智能（AI）与物联网（IoT）技术的普及，各类对抗攻击正日益涌现以欺骗工业物联网（IIoT）应用所使用的深度神经网络（DNNs）。由于训练数据有偏或底层模型脆弱，对抗攻击对输入做出的难以察觉的修改可能导致灾难性后果。尽管现有方法在防御此类恶意攻击方面前景良好，但它们大多只能应对有限的已有攻击类型，这使得大规模 IIoT 设备的部署成为巨大挑战。为解决该问题，我们提出一种名为 FDA3 的有效联邦防御方法，能够聚合来自不同来源的针对对抗样本的防御知识。受联邦学习启发，我们提出的基于云的架构实现了 IIoT 设备间针对不同类型攻击的防御能力共享。综合实验结果表明，我们的方法生成的 DNNs 不仅能比现有的针对特定攻击的对抗训练方法抵抗更多恶意攻击，还能使 IIoT 应用免受新攻击。
引用
@article{arxiv.2006.15632,
title = {FDA3 : Federated Defense Against Adversarial Attacks for Cloud-Based IIoT Applications},
author = {Yunfei Song and Tian Liu and Tongquan Wei and Xiangfeng Wang and Zhe Tao and Mingsong Chen},
journal= {arXiv preprint arXiv:2006.15632},
year = {2020}
}