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%。

本研究提出了一种动态防御策略，解决了联邦学习中拜占庭攻击带来的脆弱性问题，并通过黑箱服务器的不可访问性和随机性显著提高系统安全性。