本文探索一种新的梯度攻击方式 – 生成式梯度泄露（Generative Gradient Leakage，GGL）。相较于传统梯度攻击，GGL 通过借助生成对抗网络（Generative Adversarial Network， GAN）在公开数据集上提取的先验信息以及适应性梯度变换，可以从更少量有噪音的梯度信息中复原隐私数据，从而获得更强的防御耐受力。我们希望这种方法可作为一种实证研究的手段来帮助审计隐私防御下的数据泄露。

这项由美国田纳西大学，美国橡树岭国家实验室，和谷歌共同完成的研究已被 CVPR 2022 接收。

图1  方法整体思想

内容中包含的图片若涉及版权问题，请及时与我们联系删除