محققان روش جدیدی به نام «FedCVESA» معرفی کردهاند که میتواند آسیبپذیریهای امنیتی در یادگیری فدرال (Federated Learning) را هدف قرار دهد. در این متد، مهاجم با استفاده از تکنیکهای رمزگذاری و تغییر در توابع زیان، دادههای خصوصی کاربران را از درون مدلهای آموزشدیده استخراج میکند. این تحقیق نشان میدهد که حتی با وجود عدم دسترسی مستقیم به دادههای خام، همچنان راههای پیچیدهای برای نشت اطلاعات وجود دارد که باید در توسعه مدلهای مقیاسپذیر به آن توجه کرد. دنیای امنیت هوش مصنوعی هر روز در حال تکامل است و محافظت از دادههای کاربران اهمیت دوچندانی پیدا کرده است. 🤖🔒
منبع: arXiv AI
