یادگیری فدرال (Federated Learning) با هدف حفظ حریم خصوصی کاربران طراحی شده تا مدلها بدون دسترسی مستقیم به دادههای خام آموزش ببینند. اما محققان در مطالعه اخیر خود روش جدیدی به نام NL-SME را معرفی کردهاند که میتواند این امنیت را به چالش بکشد!
این روشِ «آگاه از مسیر» (Trajectory-Aware)، با بازسازی مسیرهای بهینهسازی مدل، در حملات معکوسسازی گرادیان (Gradient Inversion) بسیار دقیقتر از مدلهای قبلی عمل میکند. این دستاورد نشان میدهد که حتی اشتراکگذاری بهروزرسانیهای مدل نیز میتواند حاوی سیگنالهای قابل بازسازی از دادههای اصلی باشد و ضرورت توسعه راهکارهای دفاعی قویتر را بیش از پیش یادآوری میکند. 🛡️
منبع: arXiv Machine Learning