跳到正文
arXiv · AI· Xi Chen, Chunyi Zhou, Rui Zeng, Xiaogang Xu, Zhe Liu, Shouling Ji·· 2026-10-14AI 评分28

FedGraph:基于图聚合的联邦大语言模型微调后门防御框架

FedGraph: Defending Federated Large Language Model Fine-Tuning Against Backdoor Attacks via Graph-Based Aggregation

AI 导读

研究人员提出FedGraph框架,通过构建客户端更新间的动态图模型,精准识别并抑制恶意贡献。该方法将后门攻击成功率降至10%以下,平均检测准确率达95.5%,误报率仅为2.33%。 FedGraph利用了恶意客户端更新高度一致而良性客户端更新分散的结构性差异。这种基于结构特征的紧凑表征有效克服了高维参数空间中直接异常检测的局限,显著优于现有的联邦学习防御方法。

来源:arXiv · AI · arxiv.org