Backdoor_Federated_Learning: 论文如何进行后门联合学习的源码链接（https...）

简介：
本项目提供论文《如何进行后门联合学习》中的源代码和实验环境配置。通过该链接，您可以访问并复现研究结果，深入探索联邦学习中的安全性问题及解决方案。 2020年11月20日：我们正在使用FL开发用于后门攻击的新框架。它扩展到许多新的攻击类型（如干净标签、物理后门等），并改善了用户体验。详细内容请查看backdoor_federated_learning代码，该代码包括论文“如何进行后门联合学习”的实验。 所有实验均在Python 3.7和PyTorch 1.0环境下完成。您可以使用以下命令运行： ``` mkdir saved_models python training.py --params utils/params.yaml ``` 如果您有任何问题或建议，请随时与我联系，以便我可以提供更多详细信息并修复错误。 大多数实验都是通过调整utils/params.yaml（用于图像）和utils/words.yaml（用于文本）中的参数而完成的。您可以自行尝试修改这些文件以进行不同的实验。 Reddit数据集语料库解析的数据集可以被使用来进一步研究或测试相关模型。