联邦学习中线性层泄漏攻击的资源问题

安全聚合在联邦学习中承诺了更高水平的隐私，其维持服务器仅能访问解密后的聚合更新。在此设定下，线性层泄漏方法是唯一能够扩展并实现高泄漏率的数据重构攻击，且与客户端数量或批大小无关。这是通过增大注入的全连接（FC）层尺寸实现的。然而，这导致了随客户端数量增加而增大的资源开销。我们表明，该资源开销源于已有所有工作的错误视角——即将对聚合更新的攻击等同于具有更大批大小的单个更新攻击。相反，从聚合是合并多个单独更新的视角攻击更新，可应用稀疏性来缓解资源开销。我们表明，与使用 SOTA 相比，稀疏性的使用能在保持等同总泄漏率（即便聚合中有 $1000$ 个客户端仍达 77%）的同时，将模型尺寸开销降低超过 327$\times$、计算时间降低 3.34$\times$。