跳到正文
10月10日 · 周六

全部论文

找到 6 篇
筛选7

攻击类型

投毒与后门6

防御类型

模型加固21推理时干预2检测与过滤4水印与溯源5

影响

输出被操纵5

系统形态

模型与 API6LLM 应用6AI Agent4多智能体0

攻击面/入口

用户输入35网页与界面0文档与消息0工具返回3图像与音视频13训练数据6权重与梯度3

层

训练与数据层4
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 196 篇还没打标签，不在筛选结果里。
防御类型：推理时干预防御类型：检测与过滤系统形态：模型与 API系统形态：多智能体攻击面/入口：网页与界面攻击面/入口：文档与消息攻击面/入口：训练数据清除全部

另有 196 篇论文还没打上分类标签，暂不在筛选结果里。

  2. 攻击arXiv 2609.27124

    Fed-ADR：用恶意编排服务器协同客户端梯度操纵攻击联邦学习

    提出 Fed-ADR，用编排服务器协同操纵梯度攻破联邦学习并检测恢复

    arXiv
    2609.27124
    发表
    层
    训练与数据层
    场景
    模型与 API
    攻击者
    灰盒
    被测模型
    CNN（MNIST：2 Conv + 3 FC）、CNN（Fashion-MNIST：6 Conv + 1 FC）、ResNet18（CIFAR-10）
    摘要Fed-ADR 用 gray-box 编排攻击绕过多种聚合防御，再用 Hessian 一致性检测和窗口内恢复把准确率拉回。

    Fed-ADR 是一套面向联邦学习的攻击、检测与恢复框架：编排服务器改写合谋客户端的梯度，使参数服务器的现有防御把投毒更新当成良性，同时在发现后用历史梯度把全局模型原地修回来。

    深度解读完整解读
  3. 防御arXiv 2609.07063

    VERITAS：抗投毒的本地差分隐私图学习协议

    提出 VERITAS，用双边背书剪除本地隐私图学习中的投毒节点

    arXiv
    2609.07063
    发表
    层
    训练与数据层
    场景
    模型与 API
    被测模型
    GCN、GraphSAGE、GAT
    摘要VERITAS 用分级信任的双边背书剪除 LDP 图学习中的投毒节点，并恢复分类准确率。

    VERITAS 是面向本地差分隐私图学习的投毒防御协议，按 trust-but-verify 在保持 ϵ-LDP 的同时剪除伪造节点。

    深度解读完整解读
已经到底了