事件历史事件
StratFL 防御联邦学习隐蔽模型投毒攻击
先了解这件事
AI 综述
2026年10月16日发布的 arXiv 论文提出 StratFL，将联邦学习中隐蔽模型投毒（CMP）攻击的攻防建模为双方均无法观测对方动作的不完全重复博弈，并设计对抗搜索算法及服务器、攻击方两侧的信念更新算法。在 MNIST 和 CIFAR-10 上的实验显示，其准确率比当前最优方法高 10%，信念更新算法在多个安全场景中收敛。
AI 根据报道生成 · 25 天前更新
走势与进展
每小时关注度
现在 20，24 小时 0%·峰值 20（11月6日 03:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 20
相关研究
这件事的论文
- StratFL：用策略式联邦学习对抗隐蔽模型投毒攻击
arXiv · 2026-10-15 · 深度解读
后续时间线
10月16日
- arXiv：对抗攻击、后门与投毒StratFL：用策略式联邦学习对抗隐蔽模型投毒攻击
StratFL 将联邦学习中隐蔽模型投毒（CMP）攻击的攻防建模为双方均无法观测对方动作的不完全重复博弈，并设计对抗搜索算法与服务器、攻击方两侧的信念更新算法。在 MNIST 和 CIFAR-10 上的实验显示，其准确率比当前最优方法高 10%，信念更新算法在多个安全场景中收敛。