基于GAN的聯(lián)邦學(xué)習(xí)成員推理攻擊與防御方法

摘要： 針對聯(lián)邦學(xué)習(xí)系統(tǒng)極易遭受由惡意參與方在預(yù)測階段發(fā)起的成員推理攻擊行為，以及現(xiàn)有的防御方法在隱私保護(hù)和模型損失之間難以達(dá)到平衡的問題，探索了聯(lián)邦學(xué)習(xí)中的成員推理攻擊及其防御方法。首先提出2種基于生成對抗網(wǎng)絡(luò)（GAN）的成員推理攻擊方法：類級和用戶級成員推理攻擊，其中，類級成員推理攻擊旨在泄露所有參與方的訓(xùn)練數(shù)據(jù)隱私，用戶級成員推理攻擊可以指定某一個特定的參與方；此外，進(jìn)一步提出一... （共13頁）