READ-2345 FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning
发布时间
阅读量：
阅读量
| 论文名称 | FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning |
|---|---|
| 作者 | Kaiyuan Zhang, Guanhong Tao, QiuLing Xu, Siyuan Cheng, Shengwei An, Yingqi Liu, Shiwei Feng, Guangyu Shen, Pin-Yu Chen, Shiqing Ma, Xiangyu Zhang |
| 来源 | arXiv 2022 |
| 领域 | Machine Learning - Federal learning - Security - Backdoor attack |
| 问题 | 现有的方法只适用于只有少量攻击者参与几轮single-shot attack的场景，而在攻击者连续攻击场景中效果不佳 |
| 方法 | 对于每个良性客户端，Flip会在生成的后门触发器上对抗性地训练本地模型，在聚合的全局模型时，注入的后门特性被良性客户端上执行的强化减轻 |
阅读记录
总结
为了增强模型自身的稳健性，良性客户端可以在数据存在噪声的情况下进行训练，让模型学习到更稳健的特征，提高模型的泛化性。
全部评论 (0)
还没有任何评论哟~