Robust Federated Learning

Robust Federated Learning utvider standard føderert læring med Byzantine-tolerante aggregeringsregler som beskytter den globale modellen mot ondsinnede, korrupte eller upålitelige klienter. I stedet for å naivt gjennomsnitte klientgradienter, filtrerer robuste aggregeringsmetoder som koordinatvis median eller Krum ut skadelige oppdateringer slik at et mindretall av adversarielle deltakere ikke kan spore av treningen.