跳到正文
热点事件持续更新

研究者提出投影惩罚梯度追踪拜占庭鲁棒联邦学习框架

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Yanjie Dong 等研究者在 arXiv 上发表论文(arXiv:2611.22929),提出投影惩罚梯度追踪框架,用于拜占庭攻击与数据异构场景下的通信高效联邦学习。该框架中每个诚实节点上传其惩罚梯度的压缩残差,服务器将重建状态投影到已知的惩罚梯度球内,从而在压缩上传的情况下保留拜占庭鲁棒性。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    投影惩罚梯度追踪:面向通信高效拜占庭鲁棒联邦学习的新框架

    研究者在拜占庭攻击与数据异构场景下提出投影惩罚梯度追踪框架,使诚实节点上传压缩的惩罚梯度残差,服务器将重建状态投影到已知惩罚梯度球内,从而在压缩上传下保留拜占庭鲁棒性。

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。