medieval Greek

联邦学习研究通过新算法和放置策略应对拜占庭攻击

研究人员正在探索提高联邦学习的安全性和效率，特别是针对拜占庭攻击，在这种攻击中，恶意参与者会破坏训练过程。一项研究引入了一种 Nesterov 加速联邦学习算法 (Byrd-NAFL)，该算法将动量与鲁棒聚合规则相结合，以确保快速安全的收敛，并在数值实验中展示了卓越的性能。另一篇论文侧重于优化去中心化联邦学习系统中拜占庭节点的放置，提出了一种拜占庭放置影响 (BPI) 指标来量化受损节点对诚实参与者的影响，并开发了识别破坏性配置的算法。