arXiv · cs.AI· Manoj Twarakavi, Venkata Sriram Siddhardh Nadendla·· 6 小时前
StratFL 通过策略博弈防御联邦学习中的隐蔽模型投毒攻击
StratFL: Countering Covert Model Poisoning Attacks with Strategic Federated Learning
arXiv:2610.22626v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Manoj Twarakavi, Venkata Sriram Siddhardh Nadendla
研究任务与主要进展
作者提出StratFL，将联邦学习中的隐蔽模型投毒攻击建模为不完全重复博弈，并设计对抗搜索算法及服务器和攻击端信念更新算法。基于论文摘要，StratFL在多种安全场景中展现出信念更新算法的经验收敛，并在MNIST和CIFAR-10实验中相较先进方法提升10%的准确率；材料未说明完整实验设置与基线细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org