基于对比训练的联邦学习后门防御方法

张佳乐; 朱诚诚; 成翔; 孙小兵; 陈兵

doi:10.11959/j.issn.1000-436x.2024063

您当前的位置：

首页 >

文章列表页 >

基于对比训练的联邦学习后门防御方法

学术论文 | 更新时间：2024-05-31

- 基于对比训练的联邦学习后门防御方法
- Backdoor defense method in federated learning based on contrastive training
- “ContraFL防御方法有效清除联邦学习后门特征，提升主任务准确率，为后门攻击防御提供新方案。”
- 通信学报 2024年45卷第3期页码：182-196
- 作者机构：
  
  1. 扬州大学信息工程学院，江苏扬州 225127
  2. 中国民航大学民航飞联网重点实验室，天津 300300
  3. 南京航空航天大学计算机科学与技术学院，江苏南京 211106
- 作者简介：
  
  [ "张佳乐（1994− ），男，安徽蚌埠人，博士，扬州大学副教授、硕士生导师，主要研究方向为人工智能安全和区块链安全" ]
  [ "朱诚诚（2000− ），男，安徽临泉人，扬州大学硕士生，主要研究方向为联邦学习安全与隐私保护" ]
  [ "成翔（1988− ），男，新疆乌鲁木齐人，博士，扬州大学讲师、硕士生导师，主要研究方向为网络安全态势感知和系统安全" ]
  [ "孙小兵（1985− ），男，江苏姜堰人，博士，扬州大学教授、博士生导师，主要研究方向为软件安全和系统安全" ]
  [ "陈兵（1970− ），男，江苏南通人，博士，南京航空航天大学教授、博士生导师，主要研究方向为人工智能安全与隐私保护、网络安全和无人系统安全" ]
- 基金信息：
  
  国家自然科学基金资助项目(62206238);江苏省基础研究计划自然科学基金资助项目(BK20220562);江苏省高等学校基础科学（自然科学）研究基金资助项目(22KJB520010);中国博士后科学基金资助项目(2023M732985);中国民航大学民航飞联网重点实验室开放基金资助项目(MHFLW202304);江苏省研究生科研创新计划基金资助项目(KYCX23_3534)
- DOI：10.11959/j.issn.1000-436x.2024063
  中图分类号： TP393
- 网络首发：2024-03，
  
  纸质出版：2024-03-25
- 稿件说明：
移动端阅览
张佳乐, 朱诚诚, 成翔, 等. 基于对比训练的联邦学习后门防御方法[J]. 通信学报, 2024,45(3):182-196.

Jiale ZHANG, Chengcheng ZHU, Xiang CHENG, et al. Backdoor defense method in federated learning based on contrastive training[J]. Journal on Communications, 2024, 45(3): 182-196.
张佳乐, 朱诚诚, 成翔, 等. 基于对比训练的联邦学习后门防御方法[J]. 通信学报, 2024,45(3):182-196. DOI： 10.11959/j.issn.1000-436x.2024063.

Jiale ZHANG, Chengcheng ZHU, Xiang CHENG, et al. Backdoor defense method in federated learning based on contrastive training[J]. Journal on Communications, 2024, 45(3): 182-196. DOI： 10.11959/j.issn.1000-436x.2024063.

浏览量

1196

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向动态算力节点的联邦学习差分隐私重校准方法

HFLGuard：基于聚类和自编码器的异构联邦中毒防御方法

基于多方计算的安全拜占庭弹性联邦学习

空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略

基于零集中差分隐私的联邦学习激励方案

基于对比训练的联邦学习后门防御方法

Backdoor defense method in federated learning based on contrastive training

DOI：10.11959/j.issn.1000-436x.2024063