BriefGPT - AI 论文速递
·
FedGraM：通过嵌入格拉姆矩阵抵御联邦学习中的非针对性攻击
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
- 本研究解决了联邦学习中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。
- FedGraM利用嵌入的格拉姆矩阵来检测和移除攻击。
- 该方法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。
➡️
