双管齐下：联邦学习防投毒攻击与梯度泄露，华南理工深北莫研究成果登上TMC与IoT

华南理工大学与深圳北理莫斯科大学联合提出FedMSBA与FedMAR两项联邦学习安全机制。FedMSBA通过Rényi差分隐私和逐层预算分配，在MNIST、CIFAR等数据集上有效防御梯度泄露，兼顾模型性能；FedMAR则在服务器端引入多阶段聚合与回滚机制，结合3σ准则和搭便车检测，应对复合攻击。两项工作均发表于IEEE期刊，为物联网环境下的联邦学习提供了兼具隐私保护与鲁棒性的解决方案。
来源：https://mp.weixin.qq.com/s/i4wZY7eBkXmuqQKnrBrQpg