本文介绍了多种针对联邦学习中的模型中毒攻击的鲁棒防御算法，如自适应联邦平均、FedRA和FedDefender。这些算法通过动态聚合、模型更新质量检测和隐私保护机制，提高了系统的鲁棒性和计算效率，有效抵御恶意攻击。实验结果显示，这些方法在应对各种攻击时表现优越。