研究：联邦微调中的隐私泄露与投毒

Vasileios Perifanis 发布一份为第 4 届联邦机器学习国际暑期学校准备的报告，用可复现流水线研究联邦微调中的隐私泄露与数据投毒问题。 报告给出的基线流程是：ImageNet 预训练的 MobileNetV4-Conv-Small 先在 Quick, Draw! 的十个类别上中心化微调（测试准确率 97.50%），再由十个非 IID 客户端做仅头部 FedAvg 适配，客户端训练准确率从 90.34% 升至 91.49%，同时保持全局准确率。 代码与已执行 notebook 发布在 GitHub，可在 Google Colab 上运行。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。