跳到正文
只看论文#联邦学习
  1. IEEE TDSC58

    Fortress：多层级安全且高效的分布式学习框架

    Fortress 是一个面向分布式学习的多层级安全框架，同时应对梯度级重建、模型级推理和训练级操纵三类威胁。该框架用双服务器布尔秘密共享实现安全聚合，在秘密份额上直接加噪并以多项式近似规避加密域中的高开销非线性运算，再用基于转录的轻量验证保证恶意韧性。多数据集评测显示，Fortress 在保持多层级安全与恶意攻击下鲁棒性的同时，将通信开销降低 6.2 到 32.3 倍。 开源代码：github.com/tiliondev/fortress

    推荐理由：Fortress 把安全聚合、差分隐私与恶意韧性放在同一框架里协同设计，通信开销降低 6.2 到 32.3 倍。

  1. IEEE TIFS58

    GHOST：在 non-IID 联邦学习中利用 GAN 与未来更新预判实现策略性后门持久化

    论文提出 GHOST 两阶段后门攻击方法，用于在 non-IID 联邦学习中维持后门持久性。第一阶段用 GAN 借助全局模型反馈推断其他客户端的数据分布，以缩小本地与全局分布差距；第二阶段用 GAN 生成的数据近似良性客户端行为，模拟并预判未来轮次的全局模型，从而跨多轮优化后门持久性而非只针对当前轮。 开源代码：github.com/TryGhost/Ghost

    推荐理由：论文针对 non-IID 联邦学习下后门易被良性更新覆盖的问题，用 GAN 推断其他客户端分布并预演后续轮次，思路对联邦后门持久性研究有参考价值。

已经到底了