研究称联邦学习梯度反转攻击难落地

Viktor Valadi 等作者发布修订版论文，评估联邦学习中梯度反转攻击的实际可行性。研究覆盖图像分类与目标检测任务，结论是现代性能优化模型对这类攻击具有一致的视觉抗性，难以被有效重建。 论文称，许多已报道的攻击成功依赖推理模式运行或架构简化等上限设置，并不反映真实训练流程。在诚实但好奇的服务器假设下，高保真图像重建不构成生产级联邦学习系统的关键隐私风险。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。