LiBRA 用 logit 指纹实现拜占庭鲁棒客户端选择
热点事件持续更新
LiBRA 用 logit 指纹实现拜占庭鲁棒客户端选择
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Saheed A. Tijani、Frank Jiang 和 Ming Liu 提出 LiBRA，用客户端模型对伪模式产生的类条件 logit 响应作为指纹，替代参数向量，在联邦学习拜占庭鲁棒聚合中比较客户端相似度。C 个类别对应 C² 个指纹值，每轮每个客户端需额外做一次模式优化。 基于该指纹改造的 Krum、Multi-Krum 和 Bulyan 变体在 Fashion-MNIST 与 CIFAR-10 上保持原方法的全部防御能力；在后门攻击下，恶意客户端排序与使用全参数向量的 AUC 差距在 0.006 以内。
AI 根据报道生成 · 56 分钟前更新
最新进展10月21日 12:00
LiBRA：用 Logit 指纹实现联邦学习中的拜占庭鲁棒客户端选择报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AILiBRA：用 Logit 指纹实现联邦学习中的拜占庭鲁棒客户端选择
LiBRA 提出用模型对伪模式产生的类条件 logit 响应（C 个类别共 C² 个值）作为客户端指纹，替代参数向量做拜占庭鲁棒聚合中的相似度比较。基于该指纹改造的 Krum、Multi-Krum 和 Bulyan 变体在 Fashion-MNIST 与 CIFAR-10 上保持原方法的全部防御能力，后门攻击下恶意客户端排序与全参数向量的 AUC 差距在 0.006 以内。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。