보고서 주제:연합 학습에 대한 대적 공격 재 방문 : 실질적인 관점
보고서 시간과 장소 :2024Year9Month12데이, 오전10:00, 학교 본부 관리 건물304Room
보고서 요약:최근 몇 년 동안 기계 학습에 대한 보안 연구는 훈련 된 모델의 중요한 사용을 보호 할뿐만 아니라 이러한 모델의 새로운 관점에 빛을 비추는 역할을합니다. 이 대화에서, 우리는 실제 시나리오에 대한 기존 솔루션을 제한하는 중요한 격차를 해결함으로써 Federated Learning 모델을 보호하는 것을 조사합니다. 우리는 Federated Learning의 고객 선택부터 시작하여 이전 FL 보안 작업에서 고객 선택이 건너 뛸 수 있음을 보여 주지만 FL에 대한 공격과 방어에 영향을 미칩니다. 다음으로, 우리는 FL에서 도전적인 것으로 입증 된 다른 측면으로 이동합니다. 특히, 우리는 FL에 대한 다른 비 IID 설정을 최초로 탐색하는 반면, 이전 작품은 대부분 많은 사람들 중 하나를 채택했습니다.
스피커의 프로필:
카지노 검증 사이트 (Ian) Chen은 B.S.를 받았습니다. 2010 년 Peking University에서 전기 공학 학위 및 박사 학위 모바일 컴퓨팅의 보안 및 개인 정보 보호에 중점을 둔 2018 년 ASU 학위. 그는 2021 년에 조교수로 Miner School에 합류했습니다. 현재 그의 작업은 데이터 공간 공격 탐지, EHR 등의 개인 정보 인식 NLP 모델을 포함한 NLP, IoT 및 의료 시스템에 대한 애플리케이션을 갖춘 안전 및 개인 정보 인식 기계 학습 모델의 이해 및 개발에 중점을두고 있습니다. Mobicom, NDSS) 및 저널 (예 : IEEE TDSC).
