一种面向联邦学习的对抗样本投毒攻击方法.pdfVIP

下载本文档

2
0
约1.49万字
约 18页
2023-05-16 发布于北京
举报
版权申诉

一种面向联邦学习的对抗样本投毒攻击方法.pdf

1、本文档共18页，其中可免费阅读17页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种面向联邦学习的对抗样本投毒攻击方法，定义如下场景，假设有m个参与者参与训练，m＝2，假设第k个参与方是攻击者，其攻击的目标是其本地模型参数在参与聚合后，使得联邦学习全局模型在测试集上的性能尽可能差；首先，攻击者通过给本地私有训练样本添加一些人眼无法察觉的对抗扰动以生成“有毒”的对抗样本，并基于这些样本进行本地训练；其次，为了主导全局模型的训练过程，攻击者在本地训练过程中提高训练学习率以加速恶意模型参数的生成；最后，攻击者将其本地模型参数上传至服务器端参与聚合以影响全局模型。在本发明的攻击下

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114764499 A (43)申请公布日 2022.07.19 (21)申请号 202210276358.1 (22)申请日 2022.03.21 (71)申请人大连理工大学地址 116024