复现：how to backdoor federated learning

Question

请问有复现过《How to Backdoor Federated Learning》这篇文章的吗？
我借助github上开源代码但是跑出来的结果图很离奇，得不到收敛效果。
作者已经不再维护代码，想问问大家有没结果图借我用于分析。

在python中明明有存在攻击者的，但是攻击者后门攻击正确率还是为0。（或者说：一直没变动）

我听说Cifar-10数据集一般训练100轮就可以收敛，但是我这都150轮了，一点变动都没。
也听说cifar-10数据集要训练一天才可能收敛。能帮我分析一下问题可以吗，感谢！

Answer 1

JIENANYA 上午好☀️☀️☀️️
本答案参考ChatGPT-3.5

根据提供的信息，我了解到你在尝试复现《How to Backdoor Federated Learning》一文中的代码，并且遇到了结果图偏离预期的问题。你也提到了一些具体的参数设置和数据集训练情况。接下来我将为你解释可能存在的问题并提供一些解决方案。

1. 收敛问题: 你提到你的模型训练了150个epoch，但是没有观察到改变。这可能是由于训练参数设置不合理导致的。我建议你尝试增加训练轮数（epoch）并观察结果，或者调整学习率和动量等训练超参数以提升模型收敛性。此外，你还可以尝试使用更大规模的数据集进行训练，以提高模型的泛化能力。

2. 后门攻击正确率为0: 在你的描述中，尽管你明确指定了攻击者的存在，但是攻击的正确率仍然为0。处理这个问题的方法有很多，以下是一些建议：

   • 检查攻击者的后门攻击设置是否正确，例如检查攻击者样本的类别标签是否正确注入。
   • 确保攻击者的后门攻击是在模型训练过程中激活的，可以检查代码中关于后门攻击的激活和取消激活的部分。
   • 如果使用的是预训练模型，确保模型没有被错误加载。
   • 可能需要对代码进行调试和修改，例如检查损失函数、优化器和攻击参数的设置。

3. 训练时间: 你提到你听说Cifar-10数据集需要训练一天才能收敛。实际所需的训练时间取决于多个因素，如数据集大小、模型结构和计算资源等。你可以尝试逐步增加训练轮数，观察模型收敛情况，并根据需要进行适当的调整。

综上所述，要解决你遇到的问题，你可以考虑以下解决方案：

1. 增加训练轮数并调整学习率、动量等超参数。
2. 检查攻击者的后门攻击设置和激活是否正确。
3. 调试和修改代码以解决问题。
4. 观察并分析训练结果，根据需要进行进一步调整。

由于你没有提供具体的代码，我无法对代码进行修改并给出具体的建议。如果你能提供相关代码，我将更容易帮助你。希望以上建议能帮助到你，祝成功！