华工JHU联合研究团队提出「联邦学习攻击识别」方案，准确率降至3%，主任务性能保持稳定｜ICCV2023

阅读AIGC动态的欢迎

原标题：准确率下降至3%，主任务性能基本不变！华工JHU提出全新的“联邦学习攻击识别”解决方案｜ICCV2023

关键词：距离，研究人员，梯度，方法

文章来源：新智元

内容字数：3767字

内容摘要：新智元报道编辑：LRS【新智元导读】在面对联邦学习中的攻击时毫不畏惧！这一全新解决方案利用多指标和动态加权，实现自适应的识别，在最具挑战性的Edge-case PGD中，准确率仅为3.06%。由于服务器端的防御方法难以识别，Edge-case PGD攻击目前对联邦学习构成巨大威胁。诸如FLAME、Foolsgold等SOTA模型已经能够在CIFAR-10数据集上实现高达60%的攻击成功率。最近，华…

原文链接：点击此处阅读原文：准确率下降至3%，主任务性能基本不变！华工JHU提出全新的“联邦学习攻击识别”解决方案｜ICCV2023

联系作者

文章来源：新智元

作者微信：AI_era

作者简介：智能+中国主平台，致力于推动中国从互联网+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。