-
公开(公告)号:CN118673962A
公开(公告)日:2024-09-20
申请号:CN202410822810.9
申请日:2024-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对图数据的联邦学习后门攻击方法,该方法首先建立联邦学习训练系统,初始化客户端并随机选取恶意客户端。其次恶意客户端跟本地图数据,生成对应本地数据的自适应触发器子图,求出最佳自适应触发器子图并嵌入到恶意客户端的本地数据中。然后所有本地客户端根据初始全局模型进行训练,计算本地模型参数并上传到中央服务器,中央服务器加权平均所有本地模型参数并更新全局模型参数。最后中央服务器将更新后的模型参数发放给每个本地客户端,所有本地客户端更新模型参数。本发明在保证主任务精度的同时能够提高图联邦后门攻击成功率,能够实现多个恶意客户端进行分布式后门攻击。