通过分层特征优化增强联邦学习中的梯度反演攻击
Enhancing Gradient Inversion Attacks in Federated Learning via Hierarchical Feature Optimization
AI 导读
研究者提出联邦学习梯度反演攻击方法 GIFD，可从共享梯度重建敏感数据。该方法拆解 GAN 模型，将优化对象从初始潜空间逐层推进到更接近输出图像的中间层特征，并以 l1 球约束正则项避免生成不真实图像。GIFD 还扩展到 OOD 场景并以标签映射技术应对标签不一致，实验显示其可实现像素级重建，在多种联邦学习场景中优于竞争基线。