arXiv · cs.AI· Muhammad Uzair Shahid·· 23 小时前AI 评分22
联邦训练会降低可解释性吗？中心化与联邦深度伪造检测中 Grad-CAM 忠实度的对比分析
Does Federated Training Degrade Explainability? A Comparative Analysis of Grad-CAM Faithfulness in Centralized vs. Federated Deepfake Detection
来源与原文
arXiv · cs.AI
作者：Muhammad Uzair Shahid
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39483v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项系统研究考察了联邦深度伪造检测中 Grad-CAM 解释的忠实度，在 FaceForensics++ 上评估 EfficientNet-B4 检测器在五个联邦客户端、不同程度数据异构性下的表现。结果显示二者关系非单调：近 IID 和中等异构下联邦模型达到甚至超过中心化基线的忠实度，但极端异构下解释完全失效，空间上不连贯且因果上具误导性。作者指出这种退化是与客户端异构性相关的阈值效应，并给出何时可安全部署隐私保护检测的实践指南。
来源：arXiv · cs.AI · arxiv.org