READ-2340 Sageflow: Robust Federated Learning against Both Stragglers and Adversaries

论文名称	Sageflow: Robust Federated Learning against Both Stragglers and Adversaries
作者	Jun-Gyu Park, Dong-Jun Han, Minseok Choi, J. Moon
来源	NIPS 2021
领域	Machine Learning - Federal learning - Security - Model & Data poisoning attack
问题	没有方案可以同时解决落后客户端和恶意攻击者的问题
方法	根据到达延迟对模型进行分组和加权，可以对落后者提供鲁棒性；使用基于熵的滤波和损失加权平均，在每个分组阶段以高度互补的方式工作，可以对抗广泛的敌手攻击

---

阅读记录

---

总结

针对模型投毒攻击：

• 良性模型为了对数据的真实标签获得更高的置信度，将具有更低的预测熵与损失值，而恶意模型倾向于随机预测所有类别的数据，因此在辅助数据集上得到的熵和损失更大。