محققان فریمورک جدیدی به نام «FedLSG» را معرفی کردهاند که امنیت شبکههای عصبی گرافِ فدرال (FedGNNs) را به سطح جدیدی میبرد. این سیستم با استفاده از مدلهای زبانی بزرگ (LLM)، ساختار گراف و رفتارهای کلاینتها را به متن تبدیل میکند تا بتواند حملات «Backdoor» یا همان درهای پشتی را که توسط مدلهای سنتی قابل تشخیص نیستند، شناسایی و خنثی کند.
در این معماری، مدلهای بزرگ به عنوان معلم، رفتارهای مشکوک در کلاینتها را تحلیل میکنند تا از نفوذ دادههای مخرب جلوگیری شود. گام بزرگی برای امنیت در یادگیری فدرال! 💡
منبع: arXiv Machine Learning