이 논문은 연방 학습에 대한 새로운 그래디언트 역전 공격 기법인 GI-SMN을 제안한다. GI-SMN은 기존 공격 기법과 달리 강력한 공격자나 이상적인 사전 지식을 필요로 하지 않는다.
GI-SMN은 잠재 코드 최적화와 정규화 항 사용을 통해 그래디언트 매칭을 향상시킨다. 이를 통해 높은 유사도로 원본 데이터를 재구성할 수 있다.
실험 결과, GI-SMN은 기존 최신 그래디언트 역전 공격 기법들을 시각적 효과와 유사도 지표 면에서 모두 능가한다. 또한 그래디언트 가지치기와 차등 프라이버시 방어에도 효과적이다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы