지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
프라이버시 침해에 대한 안전성을 보장하기 위해 매개변수를 주고받아 학습하는 연합학습이 대두되고 있다. 하지만 최근 그래디언트를 이용하여 학습 데이터를 유출하는 논문이 발표되었다. 본 논문은 연합학습 환경에서 그래디언트를 이용하여 학습 데이터를 유출하는 실험을 구현하였으며, 학습 데이터를 유출하는 기존 공격을 개선하여 복원 성능을 높이는 방법을 제안한다. 제안 방법에 대해 Yale face database B, MNIST dataset를 이용하여 실험한 결과, 연합학습 성능이 accuracy=99~100%로 높을 때 100개의 학습 데이터 중 최대 100개의 데이터를 식별 가능한 수준으로 복원하여, 연합학습이 프라이버시 침해로부터 안전하지 않다는 것을 보인다. 또한, 픽셀 단위의 성능(MSE, PSNR, SSIM)과 Human Test에 의한 식별적인 성능을 비교함으로써 픽셀에 기반한 성능보다 식별적인 성능의 중요성을 강조하고자 한다.
목차
요약
ABSTRACT
I. 서론
II. 연구 배경
III. 연합학습에서의 복원 공격
IV. 결론
References
참고문헌 (20)
참고문헌 신청
Google AI, “Federated Learning,” https://federated.withgoogle.com, Jan. 2022.
L. Zhu, Z. Liu, and S. Han, “Deep leakage from gradients,” Proceedings of the 33rd International Conference on Neural Information Processing Systems, pp. 14774-14784, Dec. 2019.
B. Zhao, K.R. Mopuri, and H. Bilen, “idlg: Improved deep leakage from gradients,” arXiv preprint arXiv:2001.02610, Jan. 2020.
J. Geiping, H. Bauermeister, and H. Dröge, “Inverting gradients - how easy is it to break privacy in federated learning?,” Proceedings of the 34th International Conference on Neural Information Processing Systems, pp. 16937-16947, Dec. 2020.
H. Yin, A. Mallya, A. Vahdat, J.M. Alvarez, J. Kautz, and P. Molchanov, “See through gradients: Image batch recovery via gradinversion,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 16337-16346, Jun. 2021.
L. Zhu, Z. Liu, and S. Han, “Deep leakage from gradients,” Proceedings of the 33rd International Conference on Neural Information Processing Systems, pp. 14774-14784, Dec. 2019.
B. Zhao, K.R. Mopuri, and H. Bilen, “idlg: Improved deep leakage from gradients,” arXiv preprint arXiv:2001.02610, Jan. 2020.
J. Geiping, H. Bauermeister, and H. Dröge, “Inverting gradients - how easy is it to break privacy in federated learning?,” Proceedings of the 34th International Conference on Neural Information Processing Systems, pp. 16937-16947, Dec. 2020.
H. Yin, A. Mallya, A. Vahdat, J.M. Alvarez, J. Kautz, and P. Molchanov, “See through gradients: Image batch recovery via gradinversion,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 16337-16346, Jun. 2021.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
그래디언트 기반 재복원공격을 활용한 배치상황에서의 연합학습 프라이버시 침해연구
정보보호학회논문지
2021 .10
-
연합 학습의 성능 향상에 관한 연구
한국통신학회 학술대회논문집
2020 .02
-
Re-Identification 문제에서의 향상된 표상을 얻기 위한 연합학습 시스템
한국정보과학회 학술발표논문집
2022 .12
-
연합학습 모델에 대한 공격 및 방어 기술 동향에 관한 연구
한국통신학회 학술대회논문집
2024 .06
-
차분 프라이버시를 적용한 연합학습 연구
한국정보과학회 학술발표논문집
2023 .06
-
기반모델(Foundation Model)과 연합학습(Federated Learning)의 동향
한국통신학회 학술대회논문집
2024 .11
-
레이블 투표방법을 결합한 그래디언트 기반 데이터 재복원공격에 의한 연합학습의 프라이버시 침해
한국정보과학회 학술발표논문집
2021 .12
-
이동통신 시스템에서 사용자 데이터 프라이버시 보존을 위한 Federated Learning 시뮬레이터 설계
대한전자공학회 학술대회
2020 .08
-
불안정한 네트워크에서 데이터 부분 손실에 따른 연합 학습 성능 분석
한국통신학회 학술대회논문집
2024 .06
-
그래디언트를 이용한 데이터 복원 공격의 성능 향상 및 방어 방법이 적용된 연합학습의 프라이버시 침해
한국정보과학회 학술발표논문집
2022 .12
-
연합학습에서의 공정성 간의 관계
한국정보과학회 학술발표논문집
2022 .06
-
연합학습 기술 및 사업화 동향
정보과학회지
2024 .09
-
Learning Agent를 활용한 연합학습 수행 기법 연구
한국통신학회 학술대회논문집
2023 .02
-
안전한 연합학습 기술 연구 동향 및 분석
한국통신학회 학술대회논문집
2024 .06
-
시스템 이질성이 연합학습에 미치는 영향 분석
한국정보과학회 학술발표논문집
2022 .12
-
Development of a Federated Patient Similarity Learning Framework with Privacy Protection
대한산업공학회 추계학술대회 논문집
2016 .11
-
Sub-channel Allocation in Federated Learning
한국정보과학회 학술발표논문집
2019 .12
-
분산 딥러닝을 위한 연합학습(Federated Learning) 플랫폼 연구 동향 및 응용
한국통신학회 학술대회논문집
2019 .06
-
연합학습에서의 활성화 함수에 대한 연구
한국정보과학회 학술발표논문집
2022 .06
-
연합 강화 학습에서 가중치 기반 성능 가속화
한국통신학회 학술대회논문집
2020 .08
이 논문의 저자 정보
최근 본 자료
댓글(0)
0