10:29
官方账号arXiv cs.AI@Hongliang Zhang, Zhongyuan Yu, Guijuan Wang, Tianqing He, Wenshuo Ma, Xiaosong Zhang, Jiguo Yu
推荐理由：FedDAB用两阶段方法检测恶意更新，比CRFL和FLTrust更有效，理论收敛有保证。
FedDAB
共 1 条相关 AI 资讯
7月30日
10:29
FedDAB是一种两阶段防御方法，通过局部对比正则化和对齐检查来抵御联邦学习中的后门攻击。第一阶段在局部目标中添加模型对比项，增强良性更新的方向和幅度一致性；第二阶段利用整体方向对齐和参数级对齐检查历史信息，排除异常更新。理论证明收敛率为O(1/T)，实验表明FedDAB在多个基准上优于现有防御方法如CRFL和FLTrust。