Securing Autonomous Vehicle Systems via Twin-Aware Federated Reinforcement Learning
本文提出一种针对联邦强化学习(FRL)系统的安全防御框架SecAgg+,旨在保护安全关键的自动驾驶场景中的FRL模型免受投毒攻击。联邦强化学习允许多个智能体协同学习而不共享原始数据,从而增强隐私和可扩展性,但现存投毒攻击可通过注入恶意系统参
共收录 1 条相关情报。
← 返回所有主题本文提出一种针对联邦强化学习(FRL)系统的安全防御框架SecAgg+,旨在保护安全关键的自动驾驶场景中的FRL模型免受投毒攻击。联邦强化学习允许多个智能体协同学习而不共享原始数据,从而增强隐私和可扩展性,但现存投毒攻击可通过注入恶意系统参