基于β-VAE的联邦学习异常更新检测算法
Algorithm for detecting malicious model updates of federated learning based on β-VAE
合肥工业大学 a. 计算机与信息学院; b. 工业安全与应急技术安徽省重点实验室, 合肥 230601
摘要
利用自编码器模型检测恶意模型更新的联邦学习框架是一种优秀的投毒攻击防御框架，但现有的基于自编码器的模型存在训练困难、异常检测能力不足等问题。针对以上问题，提出了一种基于β-VAE的联邦学习异常更新检测算法：服务器端通过抑制训练样本的随机属性，生成更稳定的训练数据集，并使用该数据集对β-VAE异常检测模型进行即时训练。利用该模型计算客户端上传的任务模型更新的异常分数，然后根据动态阈值来检测并移除异常更新。通过三个联邦学习任务对算法进行了验证，即在MNIST数据集上使用逻辑回归（logistic regression，LR）模型进行分类、在FEMNIST数据集上使用卷积神经网络（convolutional neural network，CNN）进行分类以及在Shakespeare数据集上使用循环神经网络（recurrent neural network，RNN）进行字符预测。实验结果表明，在多种攻击场景下，该算法下的任务模型相较于其他防御算法都取得了更高的准确率。这表明在非独立同分布场景下，该算法对联邦学习投毒攻击具有良好的鲁棒性。
基金项目
国家重点研发计划专项资助项目(2016YFC0801804,2016YFC0801405)
中央高校基本科研业务费专项资金资助项目(PA2019GDPK0074)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.11.0553
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第8期
所属栏目: 信息安全技术
出版页码: 2496-2501
文章编号: 1001-3695(2024)08-035-2496-06
发布历史
[2024-01-19] 优先出版
[2024-08-05] 印刷出版
引用本文
张仁斌, 崔宇航, 张子石. 基于β-VAE的联邦学习异常更新检测算法 [J]. 计算机应用研究, 2024, 41 (8): 2496-2501. (Zhang Renbin, Cui Yuhang, Zhang Zishi. Algorithm for detecting malicious model updates of federated learning based on β-VAE [J]. Application Research of Computers, 2024, 41 (8): 2496-2501. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
