# federated-learning
標記為「federated-learning」的 11 篇文章
聯邦學習投毒
針對聯邦學習系統的精密投毒技術,含拜占庭抗性手法。
Federated Learning 攻擊s
攻擊ing federated learning through model update poisoning, gradient leakage, free-rider attacks, and Byzantine fault exploitation.
聯邦學習模型投毒
針對聯邦學習系統的模型投毒攻擊及其相應防禦。
聯邦學習安全
聯邦學習的安全威脅,包含拜占庭節點、梯度洩漏、後門注入與隱私攻擊。
Lab: Federated Learning Poisoning Attacks
Execute model 投毒 attacks in a federated learning simulation by manipulating local model updates.
Lab: Federated Learning Poisoning Attack
動手實作 for understanding and simulating 投毒 attacks against federated learning systems, where a malicious participant corrupts the shared model through crafted 梯度 updates.
Federated Learning 投毒 攻擊
執行模型投毒 attacks in a federated learning setting through adversarial participant manipulation.
聯邦學習投毒（訓練管線）
聯邦學習架構漏洞：Byzantine 攻擊、模型替換、梯度操弄，以及經由惡意參與者投毒全域模型之技術。
進階訓練漏洞
AI 訓練中的進階安全威脅——涵蓋聯邦學習攻擊、模型合併風險、水印移除、合成資料投毒、遺忘攻擊與持續學習漏洞。
實作:攻擊聯邦學習
動手實作實驗,在使用 Flower 框架模擬的聯邦學習環境中實作模型投毒攻擊:拜占庭攻擊、模型替換,並量測攻擊影響。
聯邦學習攻擊(訓練管道)
針對聯邦學習設定的攻擊,包括模型投毒、資料推論與聚合操弄。