連合学習におけるモデル中毒攻撃に対する防御戦略:調査【JST・京大機械翻訳】

Wang Zhilin; Kang Qiao; Zhang Xinyi; Hu Qin

プレプリント

J-GLOBAL ID：202202215731689017 整理番号：22P0289026

連合学習におけるモデル中毒攻撃に対する防御戦略:調査【JST・京大機械翻訳】

Defense Strategies Toward Model Poisoning Attacks in Federated Learning: A Survey

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月13日プレプリントサーバーでの情報更新日： 2022年02月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分散機械学習の進歩は,将来の通信とネットワーク化を起す。連合学習(FL)の出現は,分散機械学習のための効率的なフレームワークを提供してきたが,まだ多くのセキュリティ課題に直面している。それらの中で,モデル中毒攻撃は,FLのセキュリティと性能に著しい影響を与える。モデル中毒攻撃に対する防御に焦点を絞った多くの研究が行われていることを考えると,既存の研究を調査し,将来の研究を奨励する洞察を提供する必要がある。本論文では,まず,モデル中毒攻撃に対する防御機構を2つのカテゴリーに分類する:局所モデル更新のための評価方法とグローバルモデルのための集約法。次に,既存の防御戦略のいくつかを詳細に解析した。また,いくつかの潜在的課題と将来の研究方向を論じた。著者らの知る限り,FLにおけるモデル中毒攻撃に対する防御方法を初めて調査した。【JST・京大機械翻訳】

, , , ,
, , , 【Automatic Indexing@JST】

計算機網 , データ保護

, , , , , ,

前のページに戻る