梯度反演脚本:利用鲁棒生成先验从梯度泄露中重构训练数据
机器学习
2025-05-27 v1 人工智能
摘要
我们提出了梯度反演脚本(GIT),一种从泄露梯度中重构训练数据的新颖生成方法。GIT 采用了一种生成攻击模型,其架构经过专门设计,以基于理论分析与泄露模型的结构相对齐。一旦离线训练完成,GIT 即可高效部署,且仅依赖泄露梯度来重构输入数据,使其适用于各种分布式学习环境。当作为其他基于迭代优化方法的先验时,GIT 不仅加速了收敛,还提升了整体重构质量。GIT 在多个数据集上始终优于现有方法,并在包括梯度不精确、数据分布偏移和模型参数差异在内的挑战性条件下展现出强大的鲁棒性。
引用
@article{arxiv.2505.20026,
title = {Gradient Inversion Transcript: Leveraging Robust Generative Priors to Reconstruct Training Data from Gradient Leakage},
author = {Xinping Chen and Chen Liu},
journal= {arXiv preprint arXiv:2505.20026},
year = {2025}
}