评估联邦学习梯度反演攻击

研究评估图像联邦学习梯度反演攻击在实际性能优化系统中的可行性，覆盖图像分类、目标检测、多个数据集和当代分辨率下的常见视觉架构。基于论文摘要，作者报告某些旧式或过渡性设计在严格假设下仍可被反演，但现代模型通常难以获得有意义的视觉重建；许多既有成功结果依赖推理模式或架构简化等上限设置。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。