WaSA：无监督离线检测联邦学习恶意客户端

研究者 Alessandro Licciardi 等人提出 WaSA，一个完全无监督、离线的联邦学习恶意客户端检测框架。其做法是：训练前每个客户端仅向服务器发送一份隐私保护的频谱摘要，服务器用仅以干净辅助数据训练的去噪自编码器，按客户端偏离良性流形的程度打分，从而在无需攻击标签的情况下识别任意类型的污染。 据研究者称，该框架完全无监督且离线运行，检测不依赖攻击标签。

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。