垂直連邦学習における秘密データ窃取のためのラベル情報の活用

垂直連邦学習(VFL)では、複数のクライアントが同じサンプルの異なる特徴を保持する状況で、協調学習を行う。しかし、VFLにはデータ再構築攻撃による プライバシー漏洩の脆弱性がある。本研究では、ラベル情報を活用した新しい悪意のある攻撃手法DMAVFL を提案し、現在の防御策を回避しつつ、優れた再構築性能を達成する。