FUSE：q-公平联邦学习中的拜占庭鲁棒聚合方法

针对 q-fair 联邦学习（q-FFL）的拜占庭鲁棒性问题，研究者提出结构感知的鲁棒聚合器 FUSE，利用小型可信标注数据集做系数恢复、尺度与锥一致性筛选以及筛选后步长控制。在四个基准和七种拜占庭攻击下，FUSE 将各类基准上种子级最差攻击准确率较最强基线提升 3.9 至 30.1 个百分点，同时基本保留高损失诚实客户端的影响力。

摘自 arXiv：cs.LG

还没有足够的连续观测数据，暂不绘制趋势。