被動式推論攻擊透過對抗性正則化對分割式學習的影響

提出了一種新的被動式攻擊框架SDAR,能夠有效地從分割式學習中推斷出客戶的私有特徵和標籤,即使在現有攻擊難以奏效的情況下也能保持優秀的攻擊性能。