一种基于 Huber 损失最小化的拜占庭鲁棒联邦学习方法
机器学习
2024-03-26 v2 人工智能
摘要
联邦学习系统易受对抗攻击。为此，我们提出一种基于 Huber 损失最小化的新型聚合器，并给出全面理论分析。在独立同分布（i.i.d）假设下，相较现有方法我们的方法具若干优势：其一，对代表受攻击客户端比例的 具有最优依赖；其二，无需精确知晓 ；其三，允许不同客户端拥有不等数据量。我们随后将分析拓展至非 i.i.d 数据，即客户端分布略有差异的情形。
引用
@article{arxiv.2308.12581,
title = {A Huber Loss Minimization Approach to Byzantine Robust Federated Learning},
author = {Puning Zhao and Fei Yu and Zhiguo Wan},
journal= {arXiv preprint arXiv:2308.12581},
year = {2024}
}