CLIP-Fed：视觉-语言预训练模型引导的联邦学习后门攻击防御方法
A Vision-Language Pre-training Model-Guided Approach for Mitigating Backdoor Attacks in Federated Learning
AI 导读
研究者提出 CLIP-Fed，利用视觉-语言预训练模型的零样本能力防御联邦学习中的后门攻击。其以原型对比损失和 KL 散度对齐全局模型与 CLIP，并以多模态大语言模型和频率分析构建无客户端样本的服务器数据集。在 CIFAR-10 与 CIFAR-10-LT 上，攻击成功率平均降至 2.03% 和 1.35%，主任务准确率平均提升 7.92% 和 0.48%。