FRECA：联邦学习中公平、鲁棒且高效的客户端贡献评估
Towards Fair, Robust and Efficient Client Contribution Evaluation in Federated Learning
AI 导读
研究者提出联邦学习客户端贡献评估方法 FRECA，实验显示其能准确、高效且鲁棒地量化各客户端贡献。FRECA 基于 FedTruth 框架估计全局模型的真实更新，在平衡各客户端贡献的同时过滤恶意客户端影响，可抵御拜占庭攻击并集成抗拜占庭聚合算法。该方法仅依赖本地模型更新，无需验证操作或数据集，可用于客户端选择与补偿。