arXiv · cs.AI· Xi Chen, Chunyi Zhou, Rui Zeng, Xiaogang Xu, Zhe Liu, Shouling Ji·· 11 小时前
FedGraph：通过图聚合防御联邦大语言模型微调中的后门攻击
FedGraph: Defending Federated Large Language Model Fine-Tuning Against Backdoor Attacks via Graph-Based Aggregation
arXiv:2610.18430v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xi Chen, Chunyi Zhou, Rui Zeng, Xiaogang Xu, Zhe Liu, Shouling Ji
研究任务与主要进展
作者提出FedGraph图聚合框架，利用恶意客户端模型更新之间的结构一致性以及正常客户端更新的分散性，在联邦大语言模型微调中识别并抑制恶意贡献。摘要称，实验中将后门攻击成功率降至10%以下，平均检测准确率达到95.5%，误报率为2.33%，优于现有联邦学习防御方法；具体实验条件未在摘要中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org