StratFL：以博弈建模防御联邦学习隐蔽模型投毒

Manoj Twarakavi 与 Venkata Sriram Siddhardh Nadendla 在 arXiv 提交论文，提出 StratFL 方法防御联邦学习中的隐蔽模型投毒攻击：将攻击建模为不完全重复博弈，并设计对抗搜索算法以及服务器端和攻击端的信念更新算法。 该结果目前基于论文摘要：作者称在 MNIST 和 CIFAR-10 实验中，StratFL 相较先进方法提升 10% 的准确率，并在多种安全场景中展现信念更新算法的经验收敛；材料未说明完整实验设置与基线细节。

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。