{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,7,4]]，“日期-时间”：“2024-07-04T17:49:09Z”，“时间戳”：1720115349150}，“引用-计数”：47，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：}“日期-零件”：[[2024,2,1]]，“时间”：”2024-02-01T00:00:00 0Z“，”时间戳“：1706745600000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2024,2,1]]，“date-time”：“2024-02-01T00:00:00Z”，“timestamp”：1706745600000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https://doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2024,2,1]]，“日期时间”：“2024-02-01T00:00:00Z”，“timestamp”：1706745600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2024,2,1]]，“date-time”：“2024-02-01T00:00:00Z”，“timetamp”：170 674560000}，\\/doi.org\/10.15223\/policy-012“}，{“start”：{“date-parts”：[[2024,2,1]]，“date-time”：“2024-02-01T00:00:00Z”，“timestamp”：1706745600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2024,2,1]]，“date-time”:“2024-01-01T00:00Z”，”timestamp“1706745700000}”，“content-version”：“st m-asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“出版商”，“奖项”：[“61972148”]}]，“内容域”：{“域”：[”elsevier.com“，”sciencedirect.com“]，“交叉标记限制”：true}，“短容器时间”：[信息科学“]，”published-print“：{”date-parts“：[2024,2]]}“内政部”：“10.1016\/j.ins.2023.120068”，“type”：“journal-article”，“created”：{“date-parts”：[[2023,12,27]]，“date-time”：“2023-12-27T16:30:54Z”，“timestamp”：1703694654000}，“page”：”120068“，”update-policy“：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy编号“：”C“，”标题“：[“GradDiff:使用差分比较对联邦蒸馏进行基于梯度的成员关系推理攻击”]，“前缀”：“10.1016”，“卷”：“658”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-3733-1730”，“authenticated-ORCID”：false，“给定”：“Xiaodong”，“家族”：“Wang”，“序列”：“first”，“从属关系”：[]}，{“ORCID”：“http://\/orcid.org\/00000-0003-2325-5009”，“authenticated-orcid”：false，“given”：“Longfei”，“family”：“Wu”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：参考“：[{”键“：“10.1016\/j.ins.2023.120068_b0005”，“非结构化”：“B.McMahan，E.Moore，D.Ramage，S.Hampson，B。Aguera y Arcas，《通信——从分散数据中高效学习深层网络》。《第20届国际人工智能与统计会议论文集》，《机器学习研究论文集》第54卷，第1273\u20131282页。PMLR，20\u201322，2017年4月。“}，{“key”：“10.1016\/j.ins.2023.120068_b0010”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Wang，W.Yang，X.Wang，L.Wu，Z.Guan，X.Du，M.Guizani.一种基于区块链的车辆互联网隐私保护联合学习方案。数字通信与网络，2022.”，“doi”：“1016\/j.dcan.2022.05.020”}，{“key”：“10.1016\/j.ins.2023.120068_b0015”，“unstructured”：“E.Jeong，S.Oh，H.Kim，j.Park，M.Bennis，S.-L.Kim，通信高效的设备机器学习：非iid私有数据下的联合蒸馏和增强。arXiv预印本arXiv:1811.114792018。”}，{：“第38届国际机器学习会议（ICML）论文集，《机器学习研究论文集》第139卷”，“首页”：“12878”，“文章标题”：“异构联合学习的无数据知识蒸馏”，“作者”：“朱”，“年份”：“2021”}，{“key”：“10.1016\/j.ins.2023.120068_b0025”，“series-title”：“NeurIPS 2019数据隐私和机密性联合学习研讨会”，“文章标题”：“FedMD:通过模型蒸馏实现异构联合学习”，“作者”：“李”，“年份”：“2019”}，{“关键”：“10.1016\/j.ins.2023.120068_b0030”，“系列标题”：《第34届神经信息处理系统国际会议论文集》“，”第一页“：”2351“，”文章标题“：”联合学习中鲁棒模型融合的集合蒸馏“，”作者“：”林“，”年份“：”2020“}，{”关键“：”10.1016\/j.ins.2023.120068_b0035“，”doi-asserted-by“：”crossref“，”非结构化“：”郭j.，Z.Liu，S.Tian，F.Huang，j.Li，X.Li，K.K.Igorevich，j。马，TFL-DT:移动网络数字孪生中联合学习的信任评估方案。IEEE J.选定区域通信。，2023.“，”DOI“：”10.1109\/JSAC.2023.3310094“}，{“key”：“10.1016\/j.ins.2023.120068_b0040”，“DOI-asserted-by”：“crossref”，“first page”：”287“，”DOI“：“10.21552\/EDPL\/2016\/3\/4”，”article-title“：”GDPR将如何改变世界“，”volume“：”2“，”author“：”Albrecht“，”year“：”2016“，”journal-title：“欧洲数据保护法修订版”}，{“key”：“10.1016\/j.ins.2023.120068_b0045“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Shokri，M.Stronati，C.Song，V.Shmatikov，《针对机器学习模型的成员推理攻击》。2017年IEEE安全与隐私研讨会（SP），第3\u201318页，2017年。“，”DOI“：”10.1109\/SP.2017.41“}，{“key”：“10.1016\/j.ins.2023.20068_b0050”，“series-title”：“2022 IEEE安全和隐私研讨会（SP:）”，“首页”：“1354”，“文章标题”：“回到绘图板：对生产联合学习中毒攻击的批判性评估”，“作者”：“Shejwalkar”，“年份”：“2022”}，{“关键”：“10.1016\/j.ins.2023.120068_b0055”，“doi-asserted-by”：“crossref”，“非结构化”：“j.Guo，H.Li，F.Huang，Z.Liu，Y.Peng，X.Li，j.Ma，V.G.Menon，K。科斯特罗·米丁·伊戈列维奇。ADFL：用于横向联合学习的中毒攻击防御框架。IEEE工业信息学汇刊，18（10）：6526\u201365362022。“，”DOI“：”10.1109\/TII.2022.3156645“}，{“key”：“10.1016\/j.ins.2023.20068_b0060”，“series-title”：“2019 IEEE安全与隐私研讨会（SP）”，“首页”：“739”，“article-title”：”深度学习的综合隐私分析：针对集中式和联合式学习的被动和主动白盒推理攻击”，“author”：“Nasr”，“year”：“2019”}，{“key”：“10.1016\/j.ins.2023.20068_b0065”，“series-title”：“ICC 2020 \u20132020 IEEE国际通信会议（ICC）”，“首页”：“1”，“文章标题”：“Gan增强的成员推理：联合学习中的被动局部攻击”，“author”：“Zhang”，“year”：“2020”}，{“key”：“10.1016\/j.ins.2023.12008_b0070”，“series-title”：“第35届神经信息处理系统国际会议论文集”，“首页”：“7232”，“article-title”：评估联合学习中的梯度反转攻击和防御”，“author”：“Huang”，“year”：“2021”}，{“key”：“10.1016\/j.ins.2023.120068_b0075”，“doi-asserted-by”：“crossref”、“unstructured”：“A.Salem，Y.Zhang，M.Humbert，P.Berrang，M.Fritz，M。Backes，ML Leaks：机器学习模型上与模型和数据无关的成员关系推理攻击和防御。在2019年第26届年度网络和分布式系统安全研讨会（NDSS）的会议记录中，“DOI”：“10.14722\/nds.201923119”｝，｛“key”：“10.1016\/j.In.2023.120068_b0080”，“DOI断言”：“crossref”，“非结构化”：“Z.Yang，Y.Zhao，j。Zhang，FD-Leaks:针对联合蒸馏学习的成员推断攻击。在亚太网络（APWeb）和网页信息管理（WAIM）网络和大数据联合国际会议上，第364\u20133782022页。“，”DOI“：”10.1007\/978-3-031-25201-3_28“}，{“key”：“10.1016\/j.ins.2023.120068_b0085”，“DOI-asserted-by”：“crossref”，“unstructured”：“S.Liu，F。Dong，MIA-FedDL:针对联合蒸馏学习的成员推断攻击。2023年第26届计算机支持的设计合作国际会议（CSCWD），第1148\u20131153页。IEEE，2023.“，”DOI“：”10.1109\/CSCSWD57460.2023.10152831“}，{“key”：“10.1016\/j.ins.2023.120068_b0090”，“series-title”：“2022 IEEE第38届国际数据工程会议（ICDE）”，“首页”：“965”，“article-title”：10.1016\/j.ins.2023.120068_b0095“，”doi-asserted-by“：”crossref“，”unstructured“：”B.Hui，Y.Yang，H.Yuan，P.Burlina，N.Zhenqiang Gong，Y.Cao，《实用的差分比较盲隶属度推理攻击》。在第28届年度网络和分布式系统安全研讨会（NDSS）论文集，2021。”，“DOI”：“10.14722\/nds.20212.24293”}，｛“key”：“10.1016\/j.ins.20213.120068_b0100”，“DOI断言者”：“crossref”，“DOI”：“10.1016\/j.jpi.2021.103977”，“文章标题”：“针对合成健康数据的成员推断攻击”，“卷”：“125”，“作者”：“Zhang”，“年份：“2022年”，“新闻标题”：“J.Biomed。通知。“}，{”key“：”10.1016\/j.ins.2023.120068_b0105“，”series-title“：”评估端到端自动语音识别模型对成员推断攻击的脆弱性“，”author“：”Shah“，”year“：”2021“}”，{“key”：“10.1016\/j.ins.2023.12008_b0110”，“series-ttle”：“第25届网络与分布式系统安全研讨会（NDSS）论文集”“，”article-title“：”敲门，谁在那里？聚合位置数据的成员推断”，“作者”：“Pyrgelis”，“年份”：“2018”}，{“key”：“10.1016\/j.ins.2023.120068_b0115”，“非结构化”：“X.Yuan，L.Zhang，神经网络修剪中的成员推断攻击和防御。在第31届USENIX安全研讨会（USENIX-Security 22）上，第4561\u20134578页，2022页。”}、{“密钥”：“10.1016\/j.ins.2023.120068_b0120“，”doi-asserted-by“：”crossref“，”unstructured“：”M.Zhang，Z.Ren，Z.Wang，P.Ren，Z.Chen，P.Hu，Y.Zhang“，针对推荐系统的成员推理攻击。2021年ACM SIGSAC计算机和通信安全会议记录，第864\u20138792021页。“，”DOI“：”10.1145\/3460120.3484770“}，{“key”：“10.1016\/j.ins.2023.120068_b0125”，“DOI-asserted-by”：“crossref”，“unstructured”：“A.Pustozerova，R。梅耶，联合学习中的信息泄漏。第27届网络与分布式系统安全研讨会（NDSS）论文集，第10卷，第122页，2020年。“，”DOI“：”10.14722\/diss.2020.23004“}，{“key”：“10.1016\/j.ins.2023.120068_b0130”，“series-title”：“2020年ACM SIGSAC计算机与通信安全会议论文集”，“首页”：“343”，“article-title”：”GAN-Leaks:针对生成模型的成员推理攻击分类”，“author”：“Chen”，“year”：“2020”}，{“key”：“10.1016\/j.ins.2023.120068_b0135”，“series-title”：“2019 IEEE国际数据挖掘会议（ICDM）”，“first page”：”459“，“article-title”：”对深层生成模型执行联合成员攻击“，”author“：”Liu“年份：“2019”}，{“key”：“10.1016\/j.ins.2023.120068_b0140”，“series-title”：“2021年国际神经网络联合会议（IJCNN）”，“首页”：“1”，“article-title”：”TransMIA:使用传输阴影训练的成员推断攻击“，“author”：“Hidano”，“year”：“2020”}、{“key”：”10.1016\/j.ins.2023.12008_b0145“，“unstructured”：”Y.Zou，Z。Zhang，M.Backes，Y.Zhang《野外深度学习的隐私分析：针对迁移学习的成员推理攻击》。arXiv预印本arXiv:2009.048722020。“}，{“key”：“10.1016\/j.ins.2023.120068_b0150”，“series-title”：“第38届国际机器学习会议论文集，《机器学习研究论文集》第139卷”，“首页”：“1964”，“article-title”：《仅标签的成员推理攻击》，“author”：“Choquette-Choo”，“year”：“2021”}key“：”10.1016\/j.ins.2023.120068_b0155“，”doi-asserted-by“：”crossref“，”unstructured“：”Y.Liu，Z.Zhao，M.Backes，Y.Zhang，《利用损失轨迹进行成员推断攻击》。2022年ACM SIGSAC计算机和通信安全会议记录，第2085\u20132098、2022页。“，”DOI“：”10.1145\/3548606.3560684“}，{“key”：“10.1016\/j.ins.2023.120068_b0160”，“unstructured”：“S.Kumar Murakonda，R.Shokri，G。Theodorakopoulos，量化学习高维图形模型的隐私风险。Arindam Banerjee和Kenji Fukumizu编辑，《第24届国际人工智能与统计会议论文集》，《机器学习研究论文集》第130卷，第2287\u201322952021页。“}，{“key”：“10.1016\/j.ins.2023.120068_b0165”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Carlini，S.Chien，M.Nasr，S。Song，A.Terzis，F.Tramer，《基于第一原理的成员推断攻击》。2022年IEEE安全与隐私研讨会（SP），第1897\u201319142022页。“，”DOI“：”10.1109\/SP46214.2022.9833649“}，{“key”：“10.1016\/j.ins.2023.120068_b0170”，“unstructured”：“M.Naseri，j.Hayes，E。De Cristofaro，地方和中央差异隐私，用于联合学习中的健壮性和隐私。第29届网络与分布式系统安全研讨会（NDSS）论文集，第10卷，第122页，2020年10.1016\/j.ins.2023.120068_b0180“，”doi-asserted-by“：”crossref“，”first page“：”24“，”doi“：”10.1109\/MWC.01.1900525“，”article-title“：”安全联合学习框架-适用于5g网络“，”volume“：“27”，”author“：”Liu“，”year“：”2020“，”journal-title”：“IEEE Wirel。Commun公司。“}，{”key“：”10.1016\/j.ins.2023.120068_b0185“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Bost，R.Ada Popa，S.Tu，S.Goldwasser，《加密数据的机器学习分类》，Cryptology ePrint Archive，2014.“，”doi“：”1014722\/ndss.2015.23241“}参考“，”首页“：”5880“，”DOI“：”10.1002\/int.22818“，”article-title“：”基于多密钥同态加密的隐私保护联邦学习“，”volume“：”37“，”author“：”Ma“，”year“：”2022“，”journal-title”：“int.J.Intell。系统。“}，{”issue“：”10“，”key“：”10.1016\/j.ins.2023.120068_b0195“，”doi-asserted-by“：”crossref“，”first-page“：”2211“，”doi“：”101109\/LCOMM.2020.3003693“，”article-title“：”Mix2fld：“上行联合蒸馏后下行联合学习，双向混合”，“volume”：“24”，“author”：“Seungeun”，“year”：“2020”，“journal-title”：“IEEE Commun.Lett”}，{“问题”：“4“，”key“：“10.1016\/j.ins.2023.120068_b0200”，”doi-asserted-by“：”crossref“，”first page“：”2025“，”doi“：”10.1109\/TNSE.2021.3081748“，”article-title“：”CFD:“通过软标签量化和增量编码实现高效通信的联邦蒸馏”，“volume”：“9”，“author”：“Sattler”，“year”：“2021”，“journal-title”：“IEEE Trans。网络科学。Eng.“}，{”issue“：”1“，”key“：”10.1016\/j.ins.2023.120068_b0205“，”doi-asserted-by“：”crossref“，”first page“：“191”，”doi“：”101109\/TMC.2021.3070013“，”article-title“：”利用非iid私有数据进行通信高效协作培训的基于蒸馏的半监督联合学习“，”volume“：‘22’，”author“：”Itahara“，”year“：”2021“期刊标题“：”IEEE Trans。暴徒。计算。“｝，｛”key“：”10.1016\/j.In.2023.120068_b0210“，”doi断言“：”crossref“，”非结构化“：”X.Gong，A.Sharma，S.Karanam，Z.Wu，T.Chen，D.Doermann，A.Innanje，保护隐私的联合学习的集合注意力蒸馏。在IEEE\/CFF国际计算机视觉会议论文集，第15076\u2013150862021页。“，”DOI“：”10.1109\/ICCV48922.2021.01480“}，{“key”：“10.1016\/j.ins.2023.120068_b0215”，“article-title”：“保持隐私的集合注意力蒸馏联合学习”，“author”：“Gong”，“year”：“2022”，“journal-title“：”IEEE Trans.Med.Imaging“}”，{”issue“：”1“，”key“10.1016”//j.ins.2023.120068_b0220“，”DOI-asserted-by“：”crossref“，”首页“：”2032”，“DOI”：“10.1038\/s41467-022-29763-x”，“article-title”：“通过知识蒸馏实现高效交流的联合学习”，“volume”：“13”，“author”：“Chuhan”，“year”：“2022”，《journal-title》：“Nat.Commun”。“}，{”key“：”10.1016\/j.ins.2023.120068_b0225“，”unstructured“：”j.Huang。dirichlet分布参数的最大似然估计。CMU Technology report，18，2005。“}”，{“key”：“10.1016\/j.ins.2023.120088_b0230”，“doi-asserted-by”：“crossref”，“first page”：”406“，”doi“：”1016\/j.jvcir.2016.11.003“，”article-title“：”用数学模型理解卷积神经网络”，“卷”：“41”，“作者”：“郭杰伦”，“年份”：“2016年”，“新闻标题”：“J.Vis。Commun公司。图像表示。“}，{”key“：”10.1016\/j.ins.2023.120068_b0235“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Tang，j.Lin，Deep residual learning for small-footprint keyword spotting.在2018 IEEE声学、语音和信号处理国际会议（ICASSP）上，第5484\u20135488页，2018年。“，doi”：“10.1109\/ICASSP.2018.8462688”}]，“container-title”：[“信息科学“]，”原始标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S002025523016547？httpAccept=text\/xml“，”内容类型“：”text\/xml“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“｝，｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S002025523016547？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,13]]，“date-time”：“2024-01-13T11:46:13Z”，“timestamp”：1705146373000}，“score”：1，“resource”：{primary“URL”：“https:\\/linkinghub.elsevier.com/retrieve\/piii\/S002002 5523016547“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2024,2]]}，”references-count“：47，”alternative-id“：[”S0020025523016547“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.ins.2023.120068“，”relation“：{}，“ISSN”：[”0020-0255“]，“ISSN-type”：[{“value”：“0020-02555”，“type”:“print”}]，“subject”：【】，“published”：{“date-parts”：[[2024,2]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”GradDiff:使用差分比较对联合蒸馏进行基于梯度的成员关系推理攻击“，”name“：”articletite“，”标签“：”article Title“}”，{“value”：“Information Sciences”，“name”：“journaltitle”，“label”：“Journal Title”}，}“value”：“”https:\/\/doi.org\/10.1016\/j.ins.2023.120068“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2023 Elsevier Inc.保留所有权利