qq_54855933的博客

在联邦学习中，推理攻击的具体表现可以进一步分为针对聚合梯度的攻击和针对全局模型的攻击。例如，在纵向联邦学习中，攻击者可能通过一定的方法获取目标方的目标值，即被动方的隐私数据。此外，还有研究提出了针对纵向联邦学习的标签推理攻击，包括被动标签推理攻击、主动标签推理攻击和直接标签推理攻击。这些防御手段旨在提升联邦学习系统的鲁棒性，保护系统不受对抗性攻击的影响，同时也保护用户的隐私不被非对抗性攻击所侵犯。在联邦学习中，推理攻击是指攻击者试图从模型参数、梯度信息等间接推断出敏感信息的攻击行为。