Current Result Document :
| 한글제목(Korean Title) |
그래디언트를 이용한 데이터 복원 공격의 성능 향상 및 방어 방법이 적용된 연합학습의 프라이버시 침해 |
| 영문제목(English Title) |
Improving the performance of data reconstruction attack using gradients and invasion of privacy in federated learning with defense method |
| 저자(Author) |
오윤주
장진혁
최대선
Yoonju Oh
Jinhyeok Jang
Daeseon Choi
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0941 ~ 0943 (2022. 12) |
한글내용
(Korean Abstract) |
최근 빅데이터의 활용이 많아지면서 분산된 데이터를 프라이버시 침해로부터 안전하게 학습할 수 있는 연합학습이 주목받고 있으며, 학습에 사용된 데이터를 복원할 수 있는 공격도 다양하게 연구되고 있다. 본 논문은 매개변수를 이용하여 학습하는 연합학습에서 매개변수로 학습 데이터를 복원하는 공격을 통해 연합학습의 프라이버시가 침해될 수 있음을 보인다. 실험을 통해 기존의 그래디언트를 이용하는 데이터 복원 공격은 평균적으로 100개의 복원 이미지 중 2개의 이미지만 식별이 가능하지만, 본 논문에서 제안하는 방법은 평균적으로 100개의 복원 이미지 중 93개의 이미지를 식별할 수 있다는 결과를 보였다. 그리고 제안 방법은 픽셀 기반 성능에 대해서도 MSE=0.02, PSNR=17.71, SSIM=0.64의 성능으로 기존 방법보다 향상된 성능을 보였다. 노이즈를 추가하여 방어를 시도한 연합학습에서 복원 공격을 진행한 실험에서도 제안하는 방법이 식별 성능과 픽셀 기반 성능 모두에서 기존 방법보다 개선됨을 보였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
