研究人员开发了一种新的鲁棒联邦学习方法，可以抵御对抗攻击。该方法称为基于损失的客户端聚类，只需要服务器和一名客户端等两个诚实参与者即可有效运行。理论分析表明，即使在强拜占庭攻击下也存在有界的最优性差距，实验结果表明在多个基准测试中显著优于标准的和鲁棒的联邦学习基线。 AI
影响 在联邦学习中引入了一种新颖的对抗攻击防御机制，有可能提高协作训练场景中的数据隐私和模型完整性。
排序理由 这是一篇详细介绍联邦学习新算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2508.12672v4 Announce Type: replace-cross Abstract: Federated Learning (FL) enables collaborative model training across multiple clients without sharing private data. We consider FL scenarios wherein FL clients are subject to adversarial (Byzantine) attacks, while the FL se…