公开(公告)号：CN116248249B

公开(公告)日：2023-12-08

申请号：CN202310002458.X

申请日：2023-04-23

Applicant: 东南大学

Inventor： 张伊扬 ,  王贝伦 ,  陈玉林 ,  殷翔

IPC: H04L9/00 ,  G06N3/098

Abstract: 本发明公开了一种联邦学习中基于间隙的组混淆攻击方法，该方法包括以下步骤：步骤1)GGO攻击者首先逐元素测量两次迭代之间的间隙，得到局部元素更新变化大小；步骤2)攻击者根据间隙大小，判断不同元素重要性，从而定位某些重要元素；步骤3)攻击者使用特定攻击函数实现群体合谋，协作攻击步骤2)中所定位的重要元素，最终改变更新方向，破坏全局模型。该方法通过将背景设置为完全黑盒来拟合现实场景，控制更新差异，利用基于间隙的定位方法，从而提高GGO攻击成功率，优化GGO攻击性能，同时降低GGO攻击消耗成本。利用GGO攻击揭示现有联邦学习防御方法的脆弱性，赋能未来联邦学习安全应用系统的改造创新。

公开(公告)号：CN116248249A

公开(公告)日：2023-06-09

申请号：CN202310002458.X

申请日：2023-04-23

Applicant: 东南大学

Inventor： 张伊扬 ,  王贝伦 ,  陈玉林 ,  殷翔

IPC: H04L9/00 ,  G06N3/098

Abstract: 本发明公开了一种联邦学习中基于间隙的组混淆攻击方法，该方法包括以下步骤：步骤1)GGO攻击者首先逐元素测量两次迭代之间的间隙，得到局部元素更新变化大小；步骤2)攻击者根据间隙大小，判断不同元素重要性，从而定位某些重要元素；步骤3)攻击者使用特定攻击函数实现群体合谋，协作攻击步骤2)中所定位的重要元素，最终改变更新方向，破坏全局模型。该方法通过将背景设置为完全黑盒来拟合现实场景，控制更新差异，利用基于间隙的定位方法，从而提高GGO攻击成功率，优化GGO攻击性能，同时降低GGO攻击消耗成本。利用GGO攻击揭示现有联邦学习防御方法的脆弱性，赋能未来联邦学习安全应用系统的改造创新。