Resumen

Con el aumento de las preocupaciones sobre la privacidad en los servicios tradicionales de aprendizaje automático centralizado, el aprendizaje federado, que incorpora múltiples participantes para entrenar un modelo global a través de sus datos de entrenamiento localizados, ha recibido recientemente una atención significativa tanto en la industria como en la academia. Introducir el aprendizaje federado en un escenario de red inalámbrica es un gran avance. La combinación de ambos inspira un poder tremendo y genera una serie de aplicaciones prometedoras. Investigaciones recientes revelan las vulnerabilidades inherentes de los diversos modos de aprendizaje para los ataques de inferencia de membresía, mediante los cuales el adversario podría inferir si un registro de datos dado pertenece al conjunto de datos de entrenamiento de los modelos. Aunque las técnicas de vanguardia podrían deducir con éxito la información de membresía de los modelos de aprendizaje automático centralizado, sigue siendo desafiante inferir los datos de los miembros a un nivel más confinado. Es emocionante que la técnica común de monitorización in

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Subir; Aprendizaje federado; Red inalámbrica; Ataques de inferencia de membresía; Adversario; Redes generativas adversariales
• Keywords:Rise; Federated learning; Wireless network; Membership inference attacks; Adversary; Generative adversarial networks