DCGAN模型反转攻击及防御框架研究

2026年10月21日，一项新研究在arXiv上发布，题为《基于DCGAN的医疗影像联邦学习隐私攻击与防御研究》。该研究提出利用深度卷积生成对抗网络（DCGAN）对联邦学习系统进行模型反转攻击，并在Brain MRI ND-5数据集上成功重建出具有语义意义的合成图像。研究进一步评估了不同聚合算法对攻击脆弱性和防御效果的影响，证实了聚合策略的关键作用。在防御方面，引入客户端差分隐私（DP）虽可降低攻击成功率但会导致精度下降，而结合个性化联邦学习（Personalized FL）能有效缓解这一权衡问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。