FedCLEAN: Byzantine Defense in Non-IID Federated Learning Environments by Clustering Errors in Activation Maps

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了FedCLEAN,一种在非独立同分布环境下有效防御模型中毒攻击的联邦学习方法。FedCLEAN通过计算客户端模型激活图的重建误差来识别潜在攻击者,并在MNIST和FashionMNIST数据集上验证了其有效性。

🏷️

标签

➡️

继续阅读