聯(lián)邦學習中防御投毒攻擊的客戶端篩選策略

摘要： 聯(lián)邦學習是一種解決數(shù)據(jù)孤島問題的方法，但隨著攻擊模型的不斷進化，敵手可能在訓練過程中注入有害參數(shù)，導致模型訓練效果下降。為了增強聯(lián)邦學習模型訓練過程的安全性，設計了一種面向聯(lián)邦學習投毒攻擊的客戶端篩選策略。在該策略中，利用基于差分隱私指數(shù)機制的評分函數(shù)來動態(tài)更新權重參數(shù)。首先，為每個客戶端分配一致的權重參數(shù)；然后，將每一輪訓練的效果作為評估標準進行量化，并將量化結果傳遞至所構建... （共12頁）