Page 352 - 《软件学报》2025年第9期

赵亚茹 等: 云边联邦学习系统下抗投毒攻击的防御方法 4263

76 70 76
60
75 60 74 50
50
Acc (%) 74 ASR (%) 40 Acc (%) 70 ASR (%) 40
72
30
73
30
72 20 68 20
66
10 10
71 64
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
b (%) b (%) b (%) b (%)
(a) Acc (b) ASR (c) Acc (d) ASR
Ours FedAvg MKrum Median FoolsGold
图 5 不同防御算法在 CIFAR-10 数据集下的 Acc 和 ASR 比较

b 的增加, FedDiscrete 防御模型在 non-IID 场景下均获得了最高
我们注意到, 在所有比较的防御方法中, 随着
的 Acc 和最低的 ASR, 表现出最好的防御性能. 例如, 在 b = 40% 时, FedDiscrete 实现了 ASR 27.60%, 明显低于
FedAvg, MKrum, Median 和 FoolsGold 防御所获得的 ASR, 分别为 52.40%, 61.80%, 58.00% 和 57.10%, 类似地 Acc.
而且, 在 IID 场景下, FedDiscrete 仍然获得了较好的防御效果, 除了在 b = 30% 时, FedDiscrete 有第 2 好的 ASR
20.60%, 略高于 FoolsGold 防御实现的 ASR 16.90%, 仅增加了 3.70%, 在这种情况下, 即使从 b = 10% 到 b = 40%,
ASR, 仅浮动了 Acc 浮动了 0.94%.
我们的防御方案实现了 16.20%, 以及
而且, 从图 5(a) 和 (d) 中也可以观察到, 无论是在 IID 还是 non-IID 场景下, MKrum 均获得了最差的 Acc 和
ASR, 因此, 我们可以视为 MKrum 在防御数据投毒攻击方面不是有效的. FedAvg 和 Median 在 IID 场景下实现了
ASR 明显弱于我们的防御方案. 在这 4 种对比的防御方法中, FoolsGold 在 IID 场景下表现最好,
相当的结果, 但
ASR, 略优于 FedDiscrete 方法, 然而, FoolsGold 在 non-IID 场景下表现出较差的
且在 b = 30% 时实现了较低的
防御效果, 这表明 FoolsGold 在检测并应对投毒攻击方面可能不是可行和有效的. 综上可知, 结果表明 FedDiscrete
在抵抗投毒攻击方面具有一定的有效性, 同时也反映出兼顾攻击者搭便车以及采用离散更新空间实施防御的策
略是可行和有效的, 这也进一步强调了第 4.2.2 节中的结论. 此外, 这个结果也支持了我们在第 4.2.2 节中的推测.

4.2.4 不同攻击者数量下的评估
在不同的攻击者占比 ( 40%) 下, 我们首先展示了 IID 场景下 FedDiscrete 在 MNIST 和
b 10%, 20%, 30% 和
CIFAR-10 数据集上的防御性能, 并采用 Acc Cpre Crec F1 和 ASR 指标进行评估. 值得注意的是, 本节引入了
,
,
,
,
b = 0 的情况作为对比基准, 并使用 Cpre tc Crec tc 和 F1 tc 指标集中于评估目标标签的测试性能.
对于 MNIST, 如图 6(a) 所示, 随着 b 的增加, 目标标签的类精度 (Cpre tc ) 和类召回率 (Crec tc ) 明显下降, Acc 和
30% 时出现反向增长, 主要原因在于每一轮随机选择的攻击者并非相同, 局部模型训练受到不
F1 tc 在 b = 20% 和
同程度的攻击影响, 使得每一轮的离散更新空间及参与者的贡献度存在差异. 尽管 b 不断增加, 但 FedDiscrete 仍
然实现了 90% 以上的 Acc Crec tc 和 F1 tc , 特别地, 除了在 b = 40% 时实现了 Cpre tc 88.00%, 其表现出同样的性能.
,
同时可以观察到, 不同 b 下实现的 Acc 均弱于没有发起投毒攻击 (b = 0) 的情况下所获得的 Acc 97.83%.

100
70 20 MNIST
CIFAR-10
Metric results (%) 98 Acc Metric results (%) 60 Acc ASR (%) 15
65
Fashion-MNIST
96
94
55
Cpre tc
10
50
92
Crec tc
45
Cpre tc
90
Crec tc
40 F1 tc 5
88 F1 tc 0
35
0 10 20 30 40 0 10 20 30 40 10 20 30 40
b (%) b (%) b (%)
(a) MNIST (b) CIFAR-10 (c) ASR
b 下的指标对比
图 6 不同