利用大型语言模型提取时空数据中的梯度信息
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对时空联邦学习中用户数据隐私的潜在风险，提出了时空梯度反演攻击（ST-GIA）算法，能够有效重建原始位置。通过引入辅助语言模型，提出了ST-GIA+方法，克服了以往攻击缺乏先验知识的局限，成功地从梯度重建数据。此外，设计了一种自适应防御策略，通过动态调整扰动水平，在保护隐私与实用性之间实现更好的平衡。
本研究提出时空梯度反演攻击（ST-GIA）算法，针对时空联邦学习中的用户数据隐私风险，能够有效重建原始位置。引入辅助语言模型的ST-GIA+方法解决了先验知识不足的问题，并设计了自适应防御策略，动态调整扰动水平，以平衡隐私保护与实用性。
