基于聚类分析的横向联邦学习方案

摘要

联邦学习是一种分布式的学习方法,参与者协同训练模型,参与者将数据保留在本地,只是把模型参数发送到服务器,从而保证了数据的安全性。研究发现,在模型训练的过程中,存在遭受数据投毒的数据或恶意窜改的数据,使训练的模型难以取得较好的预测效果。因此,文章提出一个基于聚类分析的参与者评价算法,通过对数据集进行联合分析并采取相应的措施来防御投毒攻击。实验结果证明了方案的合理性和实效性,有效防止了横向联邦学习中的投毒攻击。