BriefGPT - AI 论文速递
·
基于 GAN 的数据污染框架用于对抗垂直联邦学习中的异常检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了端到端毒化框架P-GAN和基于深度自编码器的异常检测算法，用于解决垂直联邦学习中的毒化攻击问题，并评估了它们的效能和影响因素。
🎯
关键要点
- 在垂直联邦学习中，商业实体通过保护数据隐私共同训练模型。
- 恶意参与者的毒化攻击可能降低合作模型的性能。
- 本文引入了一种创新的端到端毒化框架 P-GAN。
- 开发了一种基于深度自编码器（DAE）的异常检测算法。
- P-GAN 和 DAE 为垂直联邦学习提供了强大的防御机制。
- 通过大量实验评估了 P-GAN 和 DAE 的效能。
- 分析了影响 P-GAN 和 DAE 性能的因素。
➡️
