BriefGPT - AI 论文速递
·
Enhancing (α, f)-Byzantine Robustness in Federated Learning through Hierarchical Aggregation and Cosine Distance
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种分层余弦聚合方案，以解决联邦学习中的拜占庭攻击问题，增强模型的鲁棒性并保持计算效率。实验结果表明，该方法在图像分类任务中的准确率提高了最多16%。
🎯
关键要点
- 本研究提出了一种分层余弦聚合方案，旨在解决联邦学习中的拜占庭攻击问题。
- 该方案增强了模型在高维参数空间中的鲁棒性，同时保持计算效率。
- 理论分析表明，分层余弦聚合在鲁棒性上优于传统聚合算法。
- 实证结果显示，该方法在多种图像分类数据集上的模型准确率提高高达16%。
➡️
