arXiv · 机器人与计算机视觉· Ritik K. Badiya, Siladittya Manna, Ashmit Sinha, M Yashwanth, Anirban Chakraborty·· 10 天前AI 评分42
联邦低秩适应视觉变换器面临梯度反转隐私攻击风险及空间锚定防御方案
Breaking the Privacy Promise: Gradient Inversion Attacks on Federated Low-Rank Adapted Vision Transformers
AI 导读
研究揭示参数高效微调(LoRA)无法单独防止联邦学习中的私有数据泄露,因低秩更新削弱了服务器可用的梯度信号。论文提出一种结合可训练位置嵌入的空间锚定生成反演框架,在 CIFAR-10、CelebA 和 CARS 数据集上将重建图像 PSNR 提升 7.83-10.14 dB。该工作表明需精心设计位置嵌入以暴露并防御隐私信息泄露风险,相关成果已获 WACV 2027 接收。
来源:arXiv · 机器人与计算机视觉 · arxiv.org