Aug, 2022
BRIEF 但强大：通过模型分割和安全聚类实现拜占庭鲁棒性和隐私保护的联邦学习
BRIEF but Powerful: Byzantine-Robust and Privacy-Preserving Federated Learning via Model Segmentation and Secure clustering
Rui Wang, Xingkai Wang, Huanhuan Chen, Stjepan Picek, Zhen Liu...
TL;DR提出了一种名为 BRIEF 的新型拜占庭 - 鲁棒和保障隐私的联邦学习系统，该系统旨在捕捉服务器和客户端上的恶意少数和多数，并通过基于 DBSCAN 算法的新型聚类方法和模型分割算法，以及多种密码工具来对抗恶意大多数攻击，同时保持更新机密性和训练正确性，经详细的安全性证明和实证评估，取得了实践上接近基线的测试准确率（平均为 0.8% 的差距），并且攻击成功率约为 0-5％，其设计还可最大程度地减少通信开销和运行时间。