BriefGPT - AI 论文速递
·
共谋行动：联邦学习中的持久分布式多目标后门攻击
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种分布式多目标后门攻击模型，针对联邦学习中的后门攻击问题。通过多通道触发策略和后门重放，确保不同恶意客户端的攻击有效性，验证结果显示攻击成功率超过93%。
🎯
关键要点
- 本研究提出了一种分布式多目标后门攻击模型。
- 该模型针对联邦学习中的后门攻击问题。
- 克服了现有研究对单一攻击者和单一后门的局限。
- 设计了多通道分散频率触发策略和本地训练中的后门重放。
- 确保了来自不同恶意客户端的后门的有效性和持久性。
- 验证结果显示攻击成功率超过93%。
➡️
