Основні поняття
垂直 federated graph learning (VFGL) は、分散グラフ構造データのプライバシー保護学習に有望ですが、敵対的攻撃に対して脆弱です。本稿では、VFGL に対するクエリ効率の高いハイブリッド敵対的攻撃フレームワーク NA2 を提案します。NA2 は、悪意のあるクライアントがローカルデータを操作してサーバーモデルへの貢献度を高め、サーバーモデルの動作を模倣するシャドウモデルを構築することで、限られたクエリ数で効果的な攻撃を実現します。
Анотація
垂直Federated Graph Learningに対する敵対的攻撃に関する研究論文の概要
Chen, J., Mu, W., Zhang, L., Huang, G., Zheng, H., & Cheng, Y. (2024). Query-Efficient Adversarial Attack Against Vertical Federated Graph Learning. IEEE Transactions on Network Science and Engineering, 1.
本研究は、分散グラフ構造データのプライバシー保護学習手法である垂直 federated graph learning (VFGL) が、敵対的攻撃に対して脆弱であることを示し、その脆弱性を悪用した攻撃手法を提案することを目的としています。