去中心化联邦学习网络中对抗节点放置的影响

随着联邦学习（FL）日益流行，新的去中心化框架正广泛传播。这些框架利用去中心化环境的优势实现快速且节能的设备间通信。然而，这种日益增长的流行也加剧了对强健安全措施的需求。尽管已有研究探讨了 FL 安全的各个方面，去中心化网络中对抗节点放置的作用在很大程度上仍未被探索。本文通过分析在对抗者可在网络内联合协调其放置的各种对抗放置策略下去中心化 FL 的性能，填补了这一空白。我们建立了两种放置对抗节点的基线策略：随机放置与基于网络中心性的放置。在此基础上，我们提出一种新颖的攻击算法，通过最大化对抗者间的平均网络距离，优先对抗散布而非对抗中心性。我们表明，新攻击算法显著影响测试准确率等关键性能指标，在所考虑的设置下比基线框架高出 $9\%$ 至 $66.5\%$。我们的发现为去中心化 FL 系统的漏洞提供了宝贵见解，为未来旨在开发更安全、更强健的去中心化 FL 框架的研究奠定了基础。