arXiv · cs.AI· Maria-Ioana-Andrea Ivan, Orhan Ermis, Ruxandra F. Olimid·· 8 小时前
Enhanced Detective：面向联邦学习金融欺诈检测的双阶段投毒防御方法
Enhanced Detective: A Dual-Stage Proactive Defense Against Internal Poisoning Attacks in Financial Fraud Detection Using Federated Learning
arXiv:2610.17523v1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：Maria-Ioana-Andrea Ivan, Orhan Ermis, Ruxandra F. Olimid
研究任务与主要进展
论文提出 Enhanced Detective，一种针对联邦学习内部投毒攻击的双阶段鲁棒聚合策略，结合 MAD、基于距离的更新过滤与 FedMedian 聚合。在不平衡信用卡数据集上测试定向标签翻转和权重缩放攻击，共 50 轮通信；40% 恶意客户端下，该方法取得 AUPRC 0.796、Recall 0.847。
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