🛡 آسیب‌پذیری جدید در یادگیری فدرال؛ آیا حریم خصوصی واقعاً حفظ می‌شود؟

محققان به تازگی حمله‌ای جدید به نام GDBR را شناسایی کرده‌اند که امنیت مدل‌های «یادگیری فدرال» (Federated Learning) را به چالش می‌کشد. با وجود اینکه بسیاری از سیستم‌ها برای حفظ حریم خصوصی، تنها بخشی از گرادیان‌ها را رمزنگاری می‌کنند، این پژوهش ثابت می‌کند که حتی دسترسی به یک لایه رمزنگاری‌نشده می‌تواند برای بازیابی اطلاعات حساس کاربران کافی باشد! 🔐

این حمله به مهاجمان اجازه می‌دهد تا با ساخت یک «پل گرادیانی»، به برچسب‌های خصوصی داده‌های کاربران دست پیدا کنند و عملاً ادعای امنیت بسیاری از سیستم‌های فعلی را زیر سوال ببرند. این دستاورد، زنگ خطری برای توسعه‌دهندگان است تا در استراتژی‌های حفظ حریم خصوصی خود تجدیدنظر کنند. ⚠️

منبع: arXiv Machine Learning