MAGIA：单轮平均梯度标签推断无梯度反演的 per-image 信号感知
计算机视觉与模式识别
2025-09-24 v1
摘要
我们研究了在单轮平均梯度（single round averaged gradient, SAG） regime 下的梯度反演，这是一种具有挑战性的场景，其中每个样本的线索在单个 batch mean gradient 中被缝合在一起。我们引入 MAGIA，这是一个基于动量的自适应纠正梯度反演攻击方法，提出一种无需标签推断的框架，通过探测随机数据子集来感知潜在的 per-image 信号。MAGIA 的目标目标整合了两个核心创新：1. 一种闭式组合重缩放，创建可证明更紧致的优化界限；2. 一种基于动量的 whole batch 与子集 loss 的混合，以确保重建的鲁棒性。大量实验表明，MAGIA 显著优于先进的方法，在大批量场景下实现高保真多图像重建，而先前方法在此场景下会失败。所有这一切都以与标准求解器相当的计算资源实现，且无需任何辅助信息。
关键词
引用
@article{arxiv.2509.18170,
title = {MAGIA: Sensing Per-Image Signals from Single-Round Averaged Gradients for Label-Inference-Free Gradient Inversion},
author = {Zhanting Zhou and Jinbo Wang and Zeqin Wu and Fengli Zhang},
journal= {arXiv preprint arXiv:2509.18170},
year = {2025}
}