arrow
返回

ProVFL: Property Inference Attacks Against Vertical Federated Learning

delete2025-01-01
delete0
PRE
AI
L
Li Bai
X
Xinwei Zhang
S
Sen Zhang
Q
Qingqing Ye
H
Haibo Hu
DOI:10.1109/TIFS.2025.3581743delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
近期研究表明,隐私泄露可能发生在垂直联邦学习(VFL)中,其中各方持有相同样本的分割特征。尽管包括标签和特征推断在内的各种攻击专注于VFL中的记录级隐私风险,但很少有研究深入探讨分布级隐私威胁。本文探讨了VFL中的属性推断攻击(PIAs),其中恶意方试图推断受害者训练集中目标属性的全局分布信息。我们的关键观察是,VFL中间结果的Lp范数分布可能反映训练集中目标属性的比例。受此启发,我们提出了ProVFL,一个包含分布比较和相关性增强模块的新型PIA框架。为了实现属性推断,我们通过创建具有不同比例的中间结果群体来设计分布比较模块,旨在学习Lp范数分布与其比例之间的关系。然后,我们理论分析了影响攻击有效性的因素,并基于标签替换和模型精炼开发了相关性增强模块,以放大属性信息泄露。广泛的实验结果表明,我们的攻击可以实现低至1%的估计误差的推断。这构成了VFL设置中从私有训练数据泄露属性信息的即时威胁。
Keyword:
Property inference attacks
vertical federated learning
privacy attacks
defense mechanisms

期刊

IEEE Transactions on Information Forensics and Security 封面图
IEEE Transactions on Information Forensics and Security
IF:
8
论文数:
5.3K
被引数:
2.3W

机构

T
The Hong Kong Polytechnic University
学者数:
5.1K
论文数: 3.0K
被引数: 17
引用论文

引用论文

Hacking smart machines with smarter ones: How to extract meaningful data from machine learning classifiers
err2015-01-01
err0
errOAAI
errGiuseppe Ateniese; Luigi V. Mancini; Angelo Spognardi; Antonio Villani; Domenico Vitali; Giovanni Felici
err分享
err收藏
err分享
err收藏
Vertical Federated Learning: Concepts, Advances, and Challenges垂直联合学习: 概念、进展与挑战
err2024-07-01
err40
errOAAI
errLiu, Yang; Kang, Yan; Zou, Tianyuan; Pu, Yanhong; He, Yuanqin; Ye, Xiaozhou; Ouyang, Ye; Zhang, Ya-Qin; Yang, Qiang
err分享
err收藏
Deep Learning with Differential Privacy具有差分隐私的深度学习
err2016-10-24
err0
errOAAI
errMartin Abadi; Andy Chu; Ian Goodfellow; H. Brendan McMahan; Ilya Mironov; Kunal Talwar; Li Zhang
err分享
err收藏
err分享
err收藏
学者 查看更多内容