PRoVeFL：联邦学习中的隐私保护、拜占庭鲁棒与可验证聚合
PRoVeFL: Private Robust and Verifiable Aggregation in Federated Learning
AI 导读
PRoVeFL 是一种兼顾隐私保护、拜占庭鲁棒与可验证聚合的联邦学习框架。它用多密钥全同态加密让客户端加密分发模型更新份额，在隐私约束下将部分密文运算转入明文域，支持 Krum、Trimmed Mean 等聚合算法且仅需至少一个诚实服务器。评估显示其运行时间较 Prio 和 ELSA 分别最高提升 100 倍和 10 倍。