arXiv 隐私论文· Pengxin Guo·· 1 天前AI 评分38
HyperFL++：用超网络切断共享参数与本地数据的关联以防御梯度反演攻击
A Novel Federated Learning Framework for Defending Against Gradient Inversion Attacks
AI 导读
HyperFL++ 提出一种新的联邦学习框架，利用超网络生成本地模型参数、服务器仅聚合超网络参数，从而切断共享参数与本地私有数据之间的直接联系以防御梯度反演攻击（GIA）。该框架引入 Row-wise Kronecker Decomposition（RKD）以降低超网络带来的内存与通信开销。理论分析与实验表明，该方法在保护数据隐私的同时保持了较高的模型效用。
来源：arXiv 隐私论文 · arxiv.org