文献

J-GLOBAL ID：202202224536231077   整理番号：22A1170155

連合学習におけるGANベース情報漏洩攻撃検出【JST・京大機械翻訳】

GAN-Based Information Leakage Attack Detection in Federated Learning

著者 (5件)： Lai Jianxiong (Computer Science and Technology, Nanjing University, Nanjing, Jiangsu, China) ,  Huang Xiuli (State Grid Key Laboratory of Information & Network Security, Global EnergyInterconnection Research Institute Nanjing Branch, Nanjing, Jiangsu, China) ,  Gao Xianzhou (State Grid Key Laboratory of Information & Network Security, Global EnergyInterconnection Research Institute Nanjing Branch, Nanjing, Jiangsu, China) ,  Xia Chang (Computer Science and Technology, Nanjing University, Nanjing, Jiangsu, China) ,  Hua Jingyu (Computer Science and Technology, Nanjing University, Nanjing, Jiangsu, China)
資料名： Security and Communication Networks  (Security and Communication Networks)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2740A  ISSN： 1939-0114  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 反復学習(FL)は,個人データを局所的に保つことによりプライバシーリスクを低減するための一般的な分散学習フレームワークである。しかし,最近の研究(Hitaj 2017)は,共有モデルのパラメータ更新が,その訓練段階で内部攻撃に脆弱なFLをまだ残すことを示した。既存の研究はそのような攻撃をよく検出できない。この問題に取り組むために,FLモデルにおける最後の畳み込み層のいくつかのパラメータ更新を選択および解析する,新しい軽量検出方式を提案した。広範な実験は,提案した検出スキームが,悪意のある参加者を持つシナリオに対して,ほぼ実時間で悪意のある参加者を正確かつ効率的に検出できることを示した。Copyright 2022 Jianxiong Lai et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  畳込み ,  *学習 ,  *漏れ ,  プライバシー ,  モデル ,  フレームワーク【ソフトウェア開発】 ,  *サイバー攻撃
準シソーラス用語： 連合学習 ,  脆弱性 ,  実時間 ,  情報漏洩 ,  反復学習 ,  分散学習 ,  軽量 , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

引用文献 (32件)：

• B. Hitaj, G. Ateniese, F. Perez-Cruz, "Deep models under the GAN: information leakage from collaborative deep learning," Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security, pp. 603-618, February 2017.
• Z. Wang, M. Song, Z. Zhang, Y. Song, Q. Wang, H. Qi, "Beyond inferring class representatives: user-level privacy leakage from federated learning," Proceedings of the IEEE INFOCOM 2019-IEEE Conference on Computer Communications, pp. 2512-2520, IEEE, Paris, France, April 2019.
• J. Zhang, B. Chen, X. Cheng, H. T. T. Binh, S. Yu, "PoisonGAN: generative poisoning attacks against federated learning in edge computing systems," IEEE Internet of Things Journal, vol. 8, no. 5, pp. 3310-3322, 2020.
• J. Zhang, J. Chen, D. Wu, B. Chen, S. Yu, "Poisoning attack in federated learning using generative adversarial nets," Proceedings of the 2019 18th IEEE International Conference On Trust, Security And Privacy In Computing And Communications/13th IEEE International Conference On Big Data Science And Engineering (TrustCom/BigDataSE), pp. 374-380, IEEE, August 2019.
• H. Fang, Q. Qian, "Privacy preserving machine learning with homomorphic encryption and federated learning," Future Internet, vol. 13, no. 4, 2021.

タイトルに関連する用語 (4件)： 学習 ,  GaN ,  情報漏洩 ,  攻撃