本研究提出GeminiGuard方法，旨在解决联邦学习在非独立同分布数据下对模型中毒攻击的脆弱性。该方法结合模型权重和潜在空间分析，提供轻量级、通用的无监督解决方案，实验结果表明其在抵御多种模型中毒攻击方面优于现有防御措施。