提出联邦持续学习安全框架Safe-FCL

Shuaijie Ma等作者提出名为Safe-FCL的联邦持续学习安全框架，用于大语言模型（LLM）的联邦持续学习场景。 该框架针对的问题是：在联邦持续学习中，恶意客户端的更新模式会随时间变化，导致原有防御失效。Safe-FCL通过持续风险感知（CRA）与细粒度安全聚合（FGSA）两个机制应对这一变化。 上述内容来自作者在论文中的自述，尚未见其防御效果经独立验证的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。