拜占庭攻击鲁棒的联邦学习：实现零最优间隙
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种强大的聚合方法，用于联邦学习，可以有效地应对恶意拜占庭攻击，每个用户可以通过多个步骤来更新模型参数，然后将其直接推送到聚合中心，聚合中心利用几何中位数将用户的模型参数进行组合，并通过严格的证明表明，只要恶意攻击者的比例低于一半，我们提出的方法可以达到零最优间隔，并呈线性收敛性。数值结果验证了我们提出方法的有效性。
本文提出了一种强大的聚合方法，用于联邦学习，可以有效地应对恶意拜占庭攻击。每个用户通过多个步骤更新模型参数，然后推送到聚合中心。聚合中心利用几何中位数组合用户的模型参数，并通过严格的证明表明，只要恶意攻击者比例低于一半，我们的方法可以达到零最优间隔和线性收敛性。数值结果验证了方法的有效性。
