本文提出了一种新的方法GI-PIP，通过修订的威胁模型进行梯度反转攻击，利用异常检测模型从较少的数据中捕捉潜在的分布，实验结果表明GI-PIP实现了16.12 dB的PSNR恢复，且在分布泛化方面表现出卓越的能力。此方法减轻了对辅助数据的要求，对于梯度反转攻击来说，在数量和分布上都产生了更大的威胁于现实世界的联邦学习。

本文提出了一种新的方法GI-PIP，通过修订的威胁模型进行梯度反转攻击，实现了16.12 dB的PSNR恢复，且在分布泛化方面表现出卓越的能力。

本文提出了一种修订的威胁模型，用于对深度梯度反转攻击进行防御。实验证明该方法在恢复图像质量方面表现出卓越能力，并减轻了对辅助数据的需求。