Robust Federated Learning

Robust Federated Learning utökar standardiserad federated learning med Byzantinsk-toleranta aggregeringsregler som skyddar den globala modellen mot illvilliga, korrupta eller opålitliga klienter. Istället för att naivt medelvärdesbilda klientgradienter, filtrerar robusta aggregeringsmetoder som koordinatvis median eller Krum bort skadliga uppdateringar så att en minoritet av adversariella deltagare inte kan spåra ur träningen.