垂直联邦学习中 DNN 训练的特征重建攻击与对策
Feature Reconstruction Attacks and Countermeasures of DNN training in Vertical Federated Learning
AI 导读
论文研究垂直联邦学习（VFL）中 DNN 训练的特征安全问题，即持有标签、发起训练的主动方能否提取被动方的特征数据，作者称这是对该问题的首次研究。在 DNN 模型由主动方与被动方分区部署、被动方仅持有输入层子集且含二值类别特征的设定下，论文通过从 Exact Cover 问题归约证明重建这些二值特征是 NP 难问题，同时指出只要特征维度不极大，基于搜索的高效攻击算法在理论和实践上都可行，并能胜过现有特征保护技术。为此作者提出一种新的特征保护方案，将攻击搜索误导到预设的随机值；大量实验显示，该方案在多种 VFL 应用中可抵御特征重建攻击且不损失精度。