English(EN) FoggyTrust: Robust Federated Learning with Hierarchical Trust Networks

FoggyTrust 利用分层信任网络增强联邦学习的鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员开发了 FoggyTrust，这是 FLTrust 框架的一种新颖的分层扩展，旨在增强联邦学习的鲁棒性。这种新方法将信任计算本地化到雾节点，从而在保持本地客户端组内鲁棒性的同时，更有效地处理全局异构数据。FoggyTrust 结合了基于信任的本地聚合和异构感知优化器（如 FedAdam 和 SCAFFOLD），在具有挑战性的异构数据集（如 CIFAR-10）上，尤其是在特定攻击下，表现出显著的性能提升。 AI

影响 FoggyTrust 可能会提高分布式人工智能系统的可靠性，尤其是在数据源多样化或可能受到损害的情况下。

排序理由该集群包含一篇详细介绍联邦学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍联邦学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 93 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Emmanuel Rassou, Tomas Gonzalez · 2026-06-29 04:00

FoggyTrust：具有分层信任网络的鲁棒联邦学习

arXiv:2606.27622v1 Announce Type: new Abstract: Byzantine-robust federated learning seeks to protect distributed model training from malicious or corrupted clients without requiring access to their private data. FLTrust addresses this challenge by introducing a trusted server-sid…

本文如何被排名

报道来源 [1]

FoggyTrust：具有分层信任网络的鲁棒联邦学习

相关实体

相关话题