Aug, 2024
从理论角度理解联邦学习中的数据重建泄漏
Understanding Data Reconstruction Leakage in Federated Learning from a
Theoretical Perspective
TL;DR本研究针对联邦学习（FL）中数据重建攻击的理论基础缺失问题，提出了一个理论框架以理解数据重建攻击。该框架通过界定数据重建误差来比较不同攻击的有效性，研究发现iDLG攻击在多个数据集上的表现优于DLG攻击，揭示了联邦学习中的潜在攻击风险。