PRISM-FCP：基于部分共享的面向抗拜占乱的联邦共形预测

我们提出了 PRISM-FCP（Partial shaRing and robust calIbration with Statistical Margins for Federated Conformal Prediction），即一种面向抗拜占乱的联邦共形预测框架，利用部分模型共享来提高对拜占乱攻击的鲁棒性，既在模型训练阶段又在共形校准阶段均能有效防御。现有方法仅在校准阶段应对对抗行为，使所学模型仍易受到中毒更新的威胁。相比之下，PRISM-FCP 能端到端地缓解攻击。在训练阶段，客户端通过仅传输每轮 $M$ 个 $D$ 个参数之中的部分参数来实现部分共享。这种做法可使对抗者扰动在聚合更新中的期望能量缩小 $M/D$ 倍，从而降低均方误差（MSE）并收紧预测区间。在校准阶段，客户端将非共形得分转换为描述向量，计算基于距离的恶意得分，对疑似拜占乱贡献进行加权下调或过滤后，再估计共形分位值。在合成数据和 UCI Superconductivity 数据集上进行的大量实验表明，PRISM-FCP 在遭受拜占乱攻击时仍能维持名义覆盖保障，同时避免了标准 FCP 在通信受限情况下的区间膨胀，提供了一个稳健且通信高效的联邦不确定性量化方法。