PPFLex:基于 MPC 的联邦学习隐私保护方法,抵御梯度引导矩阵标签推断攻击
研究发现,梯度引导的联邦学习优化方法共享的引导矩阵存在隐私漏洞,恶意服务器在 Dirichlet 标签分布下可从共享矩阵推断客户端标签集,准确率达 50% 至 84%。
AI 安全方向的论文、会议、比赛、教程与资料,按内容形态筛选,支持搜索。
研究发现,梯度引导的联邦学习优化方法共享的引导矩阵存在隐私漏洞,恶意服务器在 Dirichlet 标签分布下可从共享矩阵推断客户端标签集,准确率达 50% 至 84%。
研究者提出 KEX-bench,用 40 个真实 Linux 与 Windows CVE 构造 45 个任务,检验编码智能体能否把内核漏洞转成可验证的利用原语。