Viabilitat dels atacs de reconstrucció en xarxes neuronals profundes quan parts del model estan exposades als atacants.

Identificador:  TFM:2418

Handle: https://hdl.handle.net/20.500.11797/TFM2418

Autors:  Prieto Tárrega, Hugo

Resum:
Aquest treball analitza atacs de reconstrucció contra xarxes neuronals profundes (DNN) protegides parcialment a Entorns d'Execució Confiable (TEE), on algunes capes queden exposades. Amb ResNet-50 entrenat per EMBL com a cas d'estudi, s'implementen atacs de caixa negra (inversió generativa) i caixa blanca (xarxes inversores per capa) per avaluar la recuperació d'imatges originals. Es mesura la similitud visual, el temps d'entrenament i la precisió de classificació. Els resultats mostren riscos de privadesa en proteccions parcials i busquen guiar tècniques més robustes en aprenentatge profund.