深度分析 潛在向量優化攻擊揭露：聯邦學習中資料歸因可被策略性操控 本文揭示分散式訓練中資料歸因（data attribution）可能被單一參與者策略性操縱的脆弱面向。研究提出一種「潛在向量優化」攻擊：攻擊者在本機訓練中注入少量由預訓練解碼器產生的合成樣本，並在每輪優化低維潛在向量，使上傳更新在邊際貢獻評估器（如 Federated Shapley、LOO）上獲得較高分數。
