tema

#privacy

2 publicações marcadas com esta tag.

risco médioOS-2026-648 · 2026-10-09

Ataque de canal lateral de energia infere dados de treinamento de modelos de ML embarcados mesmo sem acesso as saidas

Ataques de inferencia de pertencimento normalmente dependem de observar probabilidades ou rotulos previstos por um modelo, o que leva muitos sistemas embarcados a suprimir essas saidas como mitigacao de privacidade. O PSCMIA mostra que isso nao basta: analisando apenas o tracado de consumo de energia durante a execucao do modelo em microcontroladores reais, o ataque ainda consegue inferir, com ate 0,907 de AUC-ROC, se uma amostra especifica fez parte do conjunto de treinamento.

#side-channel #membership-inference #embedded-ml #privacy #artigo-cientifico

Fonte ↗

panoramaOS-2026-653 · 2026-10-09

EIFL protege confidencialidade e integridade do modelo global em federated learning contra servidor malicioso

Em federated learning, um servidor de agregacao malicioso pode devolver um modelo global adulterado aos clientes, e esquemas de verificacao existentes exigem que os clientes combinem antecipadamente informacao auxiliar secreta, que, se vazada, anula a propria verificacao. O EIFL combina criptografia simetrica em duas etapas com um metodo de verificacao baseado em produto interno de vetores que vincula essa informacao auxiliar a integridade do resultado, eliminando a necessidade de mante-la secreta do servidor.

#federated-learning #integrity #privacy #untrusted-server #artigo-cientifico

Fonte ↗