# federated-learning
11 artikelengetagd met “federated-learning”
Poisoning bij federated learning
Attacking federated learning systems by submitting poisoned gradient updates from compromised participants while evading Byzantine-robust aggregation.
Aanvallen op federated learning
Attacking federated learning through model update poisoning, gradient leakage, free-rider attacks, and Byzantine fault exploitation.
Federated Learning Modelvergiftiging
Vergiftiging van federated learning-aggregatie via kwaadaardige gradient-updates en byzantijnse aanvalsvectoren.
Federated Learning Security
Beveiligingsaanvallen op federated-learning-systemen, waaronder modelvergiftiging, data-inferentie en exploitatie van Byzantijnse fouten.
Lab: poisoning-aanvallen op federated learning
Execute model poisoning attacks in a federated learning simulation by manipulating local model updates.
Lab: poisoning-aanval op federated learning
Hands-on lab for understanding and simulating poisoning attacks against federated learning systems, where a malicious participant corrupts the shared model through crafted gradient updates.
Poisoning-aanval op federated learning
Execute model poisoning attacks in a federated learning setting through adversarial participant manipulation.
Vergiftiging van federated learning (training pipeline)
Architecturale kwetsbaarheden van federated learning: Byzantijnse aanvallen, modelvervanging, gradiëntmanipulatie en technieken om globale modellen te vergiftigen via kwaadwillende deelnemers.
Geavanceerde aanvalsvectoren voor training
Geavanceerde trainingsaanvallen: vergiftiging van federated learning, exploits van model merging, kwetsbaarheden in distributed training, risico's van emergente capaciteiten en aanvallen op synthetische-datapipelines.
Lab: Federated learning aanvallen
Praktisch lab dat modelvergiftigingsaanvallen implementeert in een gesimuleerde federated learning-opzet met het Flower-framework: Byzantijnse aanvallen, modelvervanging en het meten van aanvalsimpact.
Aanvallen op Federated Learning (Training Pipeline)
Aanvallen op federated learning-opstellingen, waaronder modelvergiftiging, data-inferentie en manipulatie van aggregatie.