FedGraM：通过嵌入格拉姆矩阵抵御联邦学习中的非针对性攻击

本研究解决了联邦学习中易受到非针对性攻击导致全球模型性能下降的问题。提出了一种新的防御方法FedGraM，利用嵌入的格拉姆矩阵来检测和移除攻击，显著提升了防御效果。实验结果表明，FedGraM在有限数据样本下表现优异，超越了现有的防御方法。

本研究提出了一种新防御方法FedGraM，通过嵌入的格拉姆矩阵检测和移除非针对性攻击，显著提升了联邦学习模型的性能，实验结果优于现有方法。

FedGraM 格拉姆矩阵 联邦学习 防御方法 非针对性攻击
原文中文，约200字，阅读约需1分钟。发表于：。
阅读原文
分享给好友