ترجمه فارسی مقاله VFLIP: یک دفاع در پشتی برای یادگیری فدرال عمودی از طریق شناسایی و خالص سازی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی VFLIP: A Backdoor Defense for Vertical Federated Learning via Identification and Purification
عنوان مقاله به فارسی VFLIP: یک دفاع در پشتی برای یادگیری فدرال عمودی از طریق شناسایی و خالص سازی
نویسندگان Yungi Cho, Woorim Han, Miseon Yu, Younghan Lee, Ho Bae, Yunheung Paek
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 28 August, 2024; v1 submitted 28 August, 2024; originally announced August 2024. , Comments: Accepted by 29th European Symposium on Research in Computer Security (ESORICS 2024)
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛V1 ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده توسط 29 سمپوزیوم اروپایی در زمینه تحقیق در امنیت رایانه (ESORICS 2024)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Vertical Federated Learning (VFL) focuses on handling vertically partitioned data over FL participants. Recent studies have discovered a significant vulnerability in VFL to backdoor attacks which specifically target the distinct characteristics of VFL. Therefore, these attacks may neutralize existing defense mechanisms designed primarily for Horizontal Federated Learning (HFL) and deep neural networks. In this paper, we present the first backdoor defense, called VFLIP, specialized for VFL. VFLIP employs the identification and purification techniques that operate at the inference stage, consequently improving the robustness against backdoor attacks to a great extent. VFLIP first identifies backdoor-triggered embeddings by adopting a participant-wise anomaly detection approach. Subsequently, VFLIP conducts purification which removes the embeddings identified as malicious and reconstructs all the embeddings based on the remaining embeddings. We conduct extensive experiments on CIFAR10, CINIC10, Imagenette, NUS-WIDE, and BankMarketing to demonstrate that VFLIP can effectively mitigate backdoor attacks in VFL. https://github.com/blingcho/VFLIP-esorics24

چکیده به فارسی (ترجمه ماشینی)

یادگیری فدراسیون عمودی (VFL) بر رسیدگی به داده های تقسیم شده عمودی بر روی شرکت کنندگان FL تمرکز دارد.مطالعات اخیر آسیب پذیری قابل توجهی در VFL در حملات پشتی را کشف کرده است که به طور خاص ویژگی های متمایز VFL را هدف قرار می دهد.بنابراین ، این حملات ممکن است مکانیسم های دفاعی موجود را که در درجه اول برای یادگیری فدرال افقی (HFL) و شبکه های عصبی عمیق طراحی شده اند ، خنثی کند.در این مقاله ، اولین دفاع از پشتی به نام VFLIP را ارائه می دهیم که برای VFL تخصصی است.VFLIP از تکنیک های شناسایی و تصفیه که در مرحله استنتاج فعالیت می کنند ، استفاده می کند و در نتیجه باعث بهبود استحکام در برابر حملات پشتی می شود.VFLIP ابتدا با اتخاذ یک رویکرد تشخیص ناهنجاری شرکت کننده ، تعبیه شده با پشتی را مشخص می کند.پس از آن ، VFLIP تصفیه را انجام می دهد که تعبیه شده را به عنوان مخرب مشخص می کند و تمام تعبیه ها را بر اساس تعبیه های باقیمانده بازسازی می کند.ما آزمایش های گسترده ای را در مورد Cifar10 ، Cinic10 ، Imagenette ، NUS و Bankmarketing انجام می دهیم تا نشان دهیم که VFLIP می تواند به طور مؤثر حملات پشتی را در VFL کاهش دهد.https://github.com/blingcho/vflip-esorics24

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.