投毒攻击相关论文
针对在边缘计算场景下进行联邦学习过程中存在的模型参数隐私泄露、不可信服务器可能返回错误的聚合结果以及参与训练的用户可能上......
机器学习以强大的自适应性和自学习能力成为网络空间防御的研究热点和重要方向.然而机器学习模型在网络空间环境下存在受到对抗攻......
智能终端的普及将互联网推入大数据时代,进一步促进了人工智能的发展。联邦学习,作为一种分布式机器学习,可以解决当下严峻的数据......
联邦学习是一种新型的分布式学习框架,它能够解决数据在本地训练而不会泄露的问题,但是它也面临一些前所未有的安全和隐私威胁,例......
随着对无人驾驶的研究逐渐深入,建设训练数据集凸显出至关重要作用,进而使得从模型训练环节发动网络攻击成为一种直接有效的攻击途......
当前,各种新技术新应用不断更新迭代并通过智能手机上各式各样的应用走进了大家的生活,这些创新应用中的每一个都与网络的互连和互......
在大数据时代下,深度学习、强化学习以及分布式学习等理论和技术取得的突破性进展,为机器学习提供了数据和算法层面强有力的支撑,......
针对机器学习模型训练过程中攻击者可以利用修改原始训练数据生成投毒数据的方式对机器学习模型进行投毒攻击的问题,提出一种基于......
数据孤岛以及模型训练和应用过程中的隐私泄露是当下阻碍人工智能技术发展的主要难题。联邦学习作为一种高效的隐私保护手段应运而......
针对机器学习模型训练过程中攻击者可以利用修改原始训练数据生成投毒数据的方式对机器学习模型进行投毒攻击的问题,提出一种基于......