arXiv· Ajay Kumar Shrestha·· 11 天前推荐指数31
面向标签翻转攻击的鲁棒半去中心化联邦学习：同行相对信任引导的更新筛选
Peer-Relative Trust-Guided Update Screening for Robust Semi-Decentralized Federated Learning under Label-Flipping Attacks
AI 导读
在半去中心化联邦学习（SDFL）框架上提出同行相对更新筛选方法，将鲁棒验证效用分数与基于方向和范数的更新质量结合，用于过滤恶意客户端。
来源：arXiv · arxiv.org