FUSE：q-公平联邦学习拜占庭鲁棒聚合方法
热点事件持续更新
FUSE：q-公平联邦学习拜占庭鲁棒聚合方法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者提出结构感知聚合器 FUSE，用于 q-fair 联邦学习（q-FFL）中的拜占庭鲁棒聚合。该方法在只能观测公平性缩放后客户端更新的接口下，借助一个小型可信标注数据集完成系数恢复、尺度与锥一致性筛选及筛选后步长控制。 据论文报告，在四个基准和七种拜占庭攻击下，FUSE 将各基准上种子级最差攻击准确率较最强基线提升 3.9–30.1 个百分点，同时基本保留高损失诚实客户端的影响力。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
FUSE：面向 q-fair 联邦学习中拜占庭攻击的公平性感知更新筛选报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGFUSE：面向 q-fair 联邦学习中拜占庭攻击的公平性感知更新筛选
针对 q-fair 联邦学习（q-FFL）在拜占庭鲁棒性上的空白，研究者提出结构感知聚合器 FUSE，在仅能观测公平性缩放后客户端更新的接口下，用小型可信标注数据集完成系数恢复、尺度与锥一致性筛选及步长控制。在四个基准和七种拜占庭攻击下，FUSE 将各基准上种子级最差攻击准确率较最强基线提升 3.9–30.1 个百分点，同时基本保留高损失诚实客户端的影响力。
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。