BriefGPT - AI 论文速递
·
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。
🎯
关键要点
- FedCLEAN是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。
- 该方法设计了一种基于置信度的信任传播算法，以过滤攻击者模型更新。
- 在MNIST和FashionMNIST数据集上的实验验证了FedCLEAN的有效性。
- FedCLEAN在抵御拜占庭攻击时几乎没有错误分类良性客户端。
➡️
