研究者提出S2-WEF动态搭便车检测方法
热点事件持续更新
研究者提出S2-WEF动态搭便车检测方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Motoki Nakamura 等人提出一种面向跨孤岛联邦学习的动态搭便车检测方法 S2-WEF，用于识别在训练中后期转为搭便车、并模仿全局模型的客户端。 该方法在服务端利用此前广播的全局模型模拟潜在攻击的 WEF 模式，再结合各客户端提交 WEF 之间的互比偏差分数，通过二维聚类与分项分类区分正常与搭便车客户端，无需代理数据集或预训练。研究者在四个数据集、五种攻击类型上验证了其动态检测的鲁棒性。
AI 根据报道生成 · 57 分钟前更新
最新进展10月9日 12:00
S2-WEF：基于模拟攻击模式的跨孤岛联邦学习动态搭便车检测报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.LGS2-WEF：基于模拟攻击模式的跨孤岛联邦学习动态搭便车检测
针对跨孤岛联邦学习中后期转为搭便车、并模仿全局模型的动态搭便车者，研究者提出检测方法 S2-WEF，在服务端用已广播的全局模型模拟潜在攻击的 WEF 模式，并结合提交 WEF 间互比得到的偏差分数，通过二维聚类与分项分类区分正常与搭便车客户端。该方法无需代理数据集或预训练，在四个数据集、五种攻击类型上验证了动态检测的鲁棒性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。