动态声誉识别恶意节点
基于贝叶斯推理的声誉机制可精准识别集成联邦学习中的拜占庭攻击者，保障全局模型鲁棒性。
李贝贝 · Peiran, Wang · Shao, Zerui · Liu, Ao · Jiang, Yukun · 李益洲
Future Generation Computer Systems 2023
所设计的集成联邦学习架构允许不同客户端使用不同的深度模型，突破了传统联邦学习对模型同构的限制。
通过基于贝叶斯推理的声誉机制量化每个客户端的置信水平，能够可靠地识别拜占庭攻击者。
在不同拜占庭攻击者比例和不同程度的分布不平衡条件下均表现出优于现有方案的防御效果。