本文主要是介绍A Little Is Enough: Circumventing Defenses For Distributed Learning,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
联邦学习的攻击方法:LIE
简单的总结,只是为了能快速想起来这个方法。
无目标攻击
例如总共50个客户端,有24个恶意客户端,那么这个时候,他需要拉拢2个良性客户端
计算 50 − 24 − 2 50 − 24 = 0.923 \frac{50-24-2}{50-24}=0.923 50−2450−24−2=0.923,然后查正态分布的表,找到对应的z值,修改恶意客户端的参数即可。
def lie_attack(all_updates, z):avg = torch.mean(all_updates, dim=0)std = torch.std(all_updates, dim=0)return avg + z * std
后门攻击
就是在后门任务的损失上,多了一项,后门模型和正常模型距离损失。
这篇关于A Little Is Enough: Circumventing Defenses For Distributed Learning的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!