基于注意力分类器的联邦持续学习节点在鲁棒性网络钓鱼检测中的疗效探索：实证研究

提出了结合联邦学习和持续学习的新型混合范式，通过分布式节点在新的网络钓鱼数据流上持续更新模型，同时引入基于注意机制的分类器模型和残差连接来捕捉复杂的网络钓鱼模式，从而实现了强大的网络钓鱼检测性能。

Federated Learning是一种新的学习范式，解决了使用机器学习或深度学习模型时的隐私泄漏问题。FedCC是一种强大的聚合方法，通过比较不同层的标准核对模型表示。实验结果表明，它可以缓解模型污染和后门攻击，并且在非独立同分布数据环境中也有效。

FedCC Federated Learning 分类器后门攻击模型污染隐私泄漏问题