Enhancing Privacy in Federated Learning via Dual Obfuscation of Gradients and Training Images
联邦学习允许多个客户端在不共享原始数据的情况下协同训练模型，但近年研究表明，攻击者可以从共享的模型更新（梯度）中重建训练图像，造成严重隐私泄露。针对这一问题，本文提出了一种双重混淆方法，通过同时混淆更新信息和训练图像来增强对图像恢复攻击的鲁
#image-encryption
共收录 5 条相关情报。
← 返回所有主题A Content-Aware Pure Permutation with Intrinsic Avalanche Effect: Breaking the Diffusion-Permutation Dichotomy
本文针对传统图像加密与数据隐藏中一个长期存在的假设提出挑战：纯像素置换（permutation）本身无法产生差分敏感性（differential sensitivity），即改变一个像素只会使其在输出中重新定位，不会引发雪崩效应。作者认为这
A Hybrid Quantum-Chaos Theory Approach to Image Encryption Using Reservoir Computing
该研究提出一种结合量子密码、混沌理论和储层计算的混合图像加密系统，旨在应对传统加密方法在量子计算时代面临的挑战。随着量子计算的发展，RSA、DHKE等基于大整数分解的经典密码系统易受Shor算法和Grover算法的攻击。为此，论文设计了一个
Image Encryption Algorithm Based on Convolutional Neural Networks and Dynamic S-Box Generation
本文提出了一种基于卷积神经网络（CNN）和动态S盒生成的图像加密算法，旨在克服传统固定S盒易受线性攻击和差分攻击的弱点。核心思想是利用CNN从输入图像中提取特征，并基于这些特征动态生成自适应S盒，从而实现像素级的替换加密。CNN训练后能够学
Image Encryption via Data-Identified Discrete Chaotic Maps
本文提出了一种数据驱动的图像加密框架，通过SINDy-PI算法从观测数据中识别混沌映射的完整显式动力学方程（包括交叉项和高阶非线性项），从而替代传统加密方案中依赖预定义混沌映射的方法。该框架在三种不同的混沌系统上验证了其通用性：Hénon映