LiBRA提出联邦学习鲁棒聚合方法
热点事件持续更新
LiBRA提出联邦学习鲁棒聚合方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月21日，Saheed A. Tijani、Frank Jiang 和 Ming Liu 在 arXiv 上提出 LiBRA 方法。 该方法用于解决安全聚合场景下无法直接访问客户端参数的问题。LiBRA 的核心创新是利用 C² 维的 Logit 指纹替代传统的参数向量比较，从而在模型计算结果层面评估客户端一致性。 实验显示，在 Fashion-MNIST 和 CIFAR-10 数据集上，LiBRA 的变体保持了原有鲁棒性，同时比较值减少了 49,090 倍。该方法支持不同架构客户端间的比较，代价是每轮每客户端需进行一次模式优化。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
LiBRA：基于 Logit 指纹实现联邦学习中拜占庭鲁棒的客户端选择报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AILiBRA：基于 Logit 指纹实现联邦学习中拜占庭鲁棒的客户端选择
提出 LiBRA 方法，利用 $C^2$ 维 Logit 指纹替代参数向量比较，解决安全聚合无法访问更新的问题。 在 Fashion-MNIST 和 CIFAR-10 上，该变体保持原有鲁棒性，比较值减少 49,090 倍，且无需读取客户端参数。 支持不同架构客户端间的比较，代价为每轮每客户端进行一次模式优化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。