FRIDA：使用隐私攻击的自由骑检测
机器学习
2025-09-22 v2 密码学与安全
摘要
联邦学习日益流行，因为它使拥有有限数据集和资源的多个方能够协作训练机器学习模型。然而，类似于其他协作系统，联邦学习易受到自由骑（free-riders）——即从全球模型中获益而不贡献的参与者的攻击。自由骑会损害学习过程的完整性，并减慢全球模型的收敛速度，导致诚实参与者的成本增加。为解决这一挑战，我们提出了FRIDA：使用隐私攻击的自由骑检测。FRIDA不专注于自由骑的隐式效应，而是利用成员推断攻击和属性推断攻击直接推断真实客户端训练的证据。我们的广泛评估表明，FRIDA在各种场景下都有效。
引用
@article{arxiv.2410.05020,
title = {FRIDA: Free-Rider Detection using Privacy Attacks},
author = {Pol G. Recasens and Ádám Horváth and Alberto Gutierrez-Torre and Jordi Torres and Josep Ll. Berral and Balázs Pejó},
journal= {arXiv preprint arXiv:2410.05020},
year = {2025}
}