抗恶意服务器
在联邦学习框架中加入成对掩码与高效验证机制，使多家医疗机构能够在不泄露原始医疗数据的前提下协作训练高质量模型。
Ruyan, Wang · Xingmin, Yuan · 杨志刚 · Yangliang, Wan · Man, Luo · 吴大鹏
Information Fusion 2024
通过成对掩码对梯度进行加密，即使服务器或第三方获取到梯度也无法还原原始数据，适用于医疗等敏感数据场景。
设计高效验证机制，参与者可以检测服务器是否伪造聚合结果，降低恶意服务器对全局模型投毒的风险。
定制本地训练策略，使不同医疗机构间非独立同分布的数据也能有效参与联邦训练，提升全局模型质量。