基本信息

---

下载

文档摘要

---

摘要

摘要

随着人工智能的快速发展，联邦学习作为分布式机器学习框架冉冉兴起。

然而，因其参与机制与数据特性，使得恶意客户端可通过后门攻击威胁联邦系

统。针对现有攻击依赖静态触发器易被防御识别、剪枝防御易因过度剪枝损害

性能等局限性。本文提出了基于生成对抗网络的掩码触发器算法和面向联邦学

习的精细剪枝防御算法，基于多维度实验验证，系统验证了攻击策略与防御机

制的有效性。在此基础上，构建了面向联邦学习场景的后门攻击防御评估平台。