連邦学習における近似および加重データ再構築攻撃

連邦学習では、クライアントが自身のデータを共有せずにモデルを学習できるが、モデルパラメータの共有によりクライアントのデータが再構築される可能性がある。本研究では、連邦平均(FedAvg)アルゴリズムにおいて複数ステップのモデル更新を行う場合の攻撃を可能にする近似手法を提案し、さらにレイヤー毎の加重損失関数を設計することで、データ再構築の質を向上させる。