您当前的位置:
首页 >
文章列表页 >
联邦学习中的模型逆向攻防研究综述
专题:复杂环境下分布式边缘智能 | 更新时间:2024-05-31
    • 联邦学习中的模型逆向攻防研究综述

    • Survey on model inversion attack and defense in federated learning

    • 通信学报   2023年44卷第11期 页码:94-109
    • DOI:10.11959/j.issn.1000-436x.2023209    

      中图分类号: TP309
    • 网络首发:2023-11

      纸质出版:2023-11-25

    移动端阅览

  • 王冬, 秦倩倩, 郭开天, 等. 联邦学习中的模型逆向攻防研究综述[J]. 通信学报, 2023,44(11):94-109. DOI: 10.11959/j.issn.1000-436x.2023209.

    Dong WANG, Qianqian QIN, Kaitian GUO, et al. Survey on model inversion attack and defense in federated learning[J]. Journal on Communications, 2023, 44(11): 94-109. DOI: 10.11959/j.issn.1000-436x.2023209.

  •  
  •  

0

浏览量

314

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

ISAC网络中基于特征信息的联邦学习动态压缩方法
DPBR-Adapt:具有层级自适应差分隐私的联邦学习防御方案
面向协作频谱感知的个性化差分隐私联邦学习方法
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

相关作者

邓炳光
彭佳音
胡荣磊
白晨阳
魏占祯
韩妍妍
段晓毅
张浩

相关机构

重庆邮电大学通信与信息工程学院
北京电子科技学院电子与通信工程系
中央民族大学信息工程学院
广东工业大学自动化学院
北京交通大学网络空间安全学院
0