0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
StratFL: Countering Covert Model Poisoning Attacks with Strategic Federated Learning
출처:arXiv cs.CR (암호학·보안)
AI 인사이트
개발자
- 1.연합학습(FL)에서 은밀하게 간헔적으로 모델을 오염시키는 APT인 '은폐형 모델오염(CMP)' 방어 기법 StratFL 제안
- 2.서버와 공격자가 서로의 행동을 관측할 수 없는 불완전정보 반복게임으로 CMP 공격-방어 상호작용을 모델링
- 3.서버·공격자 양측에 신념갱신 알고리즘을 설계한 적대적 탐색 알고리즘 StratFL 개발
- 4.MNIST·CIFAR-10 실험에서 신념갱신 알고리즘 수렴 확인, 기존 최고 기법 대비 정확도 10% 향상
왜 중요한가?
의료·금융 등 민감한 분야에 쓰이는 연합학습이 간헐적이고 은밀한 공격에 취약하다는 현실적 위협에 대응해, 게임이론 기반의 적응적 방어 체계를 제시했다는 점에서 실무적 의의가 있다.
언급 프로젝트
본문 미리보기
arXiv:2610.22626v1 Announce Type: new Abstract: Advanced persistent threats (APTs) are a major concern in federated learning (FL) deployments in critical sectors such as healthcare, and finance. Traditional defense mechanisms fail to contain APTs due to their intermittent attacking behavior. This paper addresses a specific type of APT called covert model poisoning (CMP) where the attacker intermittently injects poisoned model updates in a covert manner. The interaction between the FL server and
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#연합학습#모델포이즈닝#APT방어#전략적FL
이 글이 만들어진 과정
- 11:24AI 초안