BriefGPT - AI 论文速递
·
KDk：垂直联邦学习中的标签推断攻击防御机制
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过KDk框架、知识蒸馏和k-匿名性，可以在竖直分割数据的联邦学习场景中防御标签推断攻击，准确度降低60%以上。
🎯
关键要点
- 提出了一种名为 KDk 的新颖框架。
- KDk 框架结合了知识蒸馏和 k-匿名性。
- 该框架用于防御竖直分割数据的联邦学习场景中的标签推断攻击。
- 实验结果表明，KDk 方法能显著降低标签推断攻击的性能。
- KDk 方法能够将标签推断攻击的准确度减少 60%以上。
- 使用 KDk 方法几乎不改变整个 VFL 的准确度。
➡️
