BriefGPT - AI 论文速递
·
通过基于贝叶斯优化的模型中毒最大化联邦学习的不确定性
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文提出了一种名为Delphi的模型中毒攻击方法，旨在增加联邦学习中全球模型输出的不确定性。研究表明，Delphi-BO比Delphi-LSTR导致更高的不确定性，揭示了联邦学习系统的脆弱性。
🎯
关键要点
- 提出了一种名为Delphi的模型中毒攻击方法。
- Delphi旨在增加联邦学习中全球模型输出的不确定性。
- 研究表明Delphi-BO比Delphi-LSTR导致更高的不确定性。
- 揭示了联邦学习系统的脆弱性，特别是对模型中毒攻击的脆弱性。
➡️
