A Little Is Enough: Circumventing Defenses For Distributed Learning

联邦学习的攻击方法：LIE

简单的总结，只是为了能快速想起来这个方法。

无目标攻击

例如总共50个客户端，有24个恶意客户端，那么这个时候，他需要拉拢2个良性客户端
计算$\frac{50-24-2}{50-24}=0.923$，然后查正态分布的表，找到对应的z值，修改恶意客户端的参数即可。

def lie_attack(all_updates, z):avg = torch.mean(all_updates, dim=0)std = torch.std(all_updates, dim=0)return avg + z * std

后门攻击

就是在后门任务的损失上，多了一项，后门模型和正常模型距离损失。