事件观察中
SURA：联邦学习中基于遗忘的数据高效后门检测
先了解这件事
AI 综述
2026年11月10日，arXiv论文提出联邦学习后门检测方法SURA，称其仅用10张干净服务器图像，在六种后门攻击下优于同等数据预算的其他方法；其在多次训练模式损失上升探测中复用同一份代理数据以增强客户端响应，对含批归一化（BN）的联邦视觉模型仅在读取时恢复探测前的共享BN状态、消除漂移。
AI 根据报道生成 · 2 天前更新
相关研究
这件事的论文
- SURA：联邦学习中基于遗忘的数据高效后门检测
arXiv · 2026-11-10 · 深度解读
后续时间线
11月10日
- arXiv：对抗攻击、后门与投毒SURA：联邦学习中基于遗忘的数据高效后门检测
研究者提出联邦学习后门检测方法 SURA，仅用 10 张干净服务器图像在六种后门攻击下优于同等数据预算的其他方法。该方法在多次训练模式损失上升探测中复用同一份小规模干净代理数据，增强客户端响应，并对含批归一化（BN）的联邦视觉模型仅在读取时恢复探测前的共享 BN 状态，消除 BN 漂移。其鲁棒性接近使用大得多的代理数据集的水平。
相关讨论
关注度走势
每天新增来源
- 11月11日新增1个来源（1家媒体、0个账号）
- 11月12日新增0个来源（0家媒体、0个账号）
- 11月13日新增0个来源（0家媒体、0个账号）