본 논문은 연합 학습(FL)의 백도어 공격에 대한 새로운 방법인 FLAT(FL Arbitrary-Target Attack)을 제안합니다. 기존의 고정 패턴 또는 단일 목표 트리거 기반 방법들의 한계를 극복하기 위해, 잠재 변수 기반 조건부 오토인코더를 활용하여 다양하고 목표 특정적인 트리거를 필요에 따라 생성합니다. 잠재 코드를 도입함으로써, 시각적으로 적응적이고 변화가 심한 트리거 생성을 가능하게 하여 공격자가 재훈련 없이 임의의 목표를 선택하고 기존의 탐지 메커니즘을 회피할 수 있습니다. FLAT은 공격 성공률, 은닉성, 다양성을 단일 프레임워크 내에서 통합하여 연합 학습의 백도어 공격에 새로운 수준의 유연성과 정교함을 제공합니다. 광범위한 실험을 통해 FLAT이 높은 공격 성공률을 달성하고 고급 FL 방어에도 강력함을 보임을 보여줍니다. 이러한 결과는 연합 학습 환경에서 잠재 변수 기반 다중 목표 백도어 위협에 대처하기 위한 새로운 방어 전략의 시급한 필요성을 강조합니다.
