Wavelet Scattering Transform and Fourier Representation for Offline Detection of Malicious Clients in Federated Learning

L'article présente WAFFLE, un algorithme de détection pré-entraînement utilisant des représentations compressées par transformée en ondelettes ou de Fourier pour identifier les clients malveillants dans l'apprentissage fédéré sans accéder aux données brutes, offrant ainsi une méthode efficace et légère pour améliorer la performance globale du modèle.

Alessandro Licciardi, Davide Leo, Davide Carbone

Publié 2026-03-11
📖 4 min de lecture☕ Lecture pause café

Each language version is independently generated for its own context, not a direct translation.

🧁 Waffle : Le Détective Culinaire de l'Intelligence Artificielle

Imaginez que vous organisez un grand concours de cuisine (c'est le Federated Learning ou Apprentissage Fédéré). Au lieu de réunir tous les chefs dans une seule cuisine géante, vous leur demandez de cuisiner chez eux, chacun avec ses propres ingrédients secrets (les données privées). Ensuite, ils envoient juste leurs recettes (les modèles) à un chef central pour créer un "Super Plat" final.

Le problème ? Parmi ces 100 chefs, certains sont des saboteurs :

  • L'un a oublié de saler (données bruitées).
  • L'autre a utilisé des ingrédients périmés ou flous (données floues).
  • Un troisième essaie de gâcher le plat exprès.

Si le chef central mélange toutes les recettes sans vérifier, le "Super Plat" final sera immangeable.

C'est là qu'intervient Waffle (un nom rigolo pour "Wafer" ou gaufre, mais ici c'est un acronyme pour Wavelet and Fourier representations for Federated Learning). Waffle est un détective préventif qui travaille avant même que la cuisson ne commence.

🕵️‍♂️ Comment fonctionne Waffle ? (L'analogie de la "Signature Olfactive")

Habituellement, pour savoir si un chef est honnête, on attend qu'il envoie sa recette et on regarde si elle est bizarre. Mais Waffle est plus malin : il demande aux chefs de lui envoyer une signature olfactive de leurs ingrédients, sans jamais révéler la recette elle-même.

  1. Le "Filtre à Poussière" (PCA) : Chaque chef prend ses ingrédients et les passe dans un filtre spécial pour ne garder que l'essentiel (la structure globale), en enlevant les détails inutiles.
  2. Le "Scanner de Fréquences" (WST et Fourier) : C'est la partie magique. Waffle utilise deux types de scanners pour analyser cette signature :
    • Le Scanner Fourier (Le classique) : Il regarde les ingrédients comme une partition de musique. Il peut voir si le chef a ajouté trop de "bruit" (comme une musique grésillante) ou si l'image est floue (comme une photo floue). C'est simple et efficace.
    • Le Scanner WST (Le super-héros) : C'est une version plus sophistiquée, inspirée des ondes et des textures. Imaginez que vous essayez de reconnaître un gâteau non pas en le mangeant, mais en sentant sa texture à travers un tissu. Le scanner WST est capable de dire : "Attends, ce gâteau a une texture bizarre, comme s'il avait été froissé ou taché, même si l'odeur semble normale."
      • Avantage clé : Contrairement au scanner Fourier, le WST est non réversible. C'est comme envoyer une empreinte digitale : on peut l'analyser pour savoir qui c'est, mais on ne peut pas reconstruire le visage de la personne à partir de l'empreinte. C'est donc ultra-sécurisé pour la vie privée.

🚫 Le Tri Avant la Cuisson (Détection Hors Ligne)

Avant même que le chef central ne commence à mélanger les recettes :

  1. Chaque chef envoie sa petite "signature olfactive" (très petite, très légère) au détective Waffle.
  2. Waffle compare cette signature à une base de données de "signatures de chefs normaux" qu'il a apprise au préalable.
  3. Le verdict : Si la signature sent le "sabotage" (trop de bruit, trop de flou), Waffle dit : "Stop ! Ce chef ne participe pas au concours."
  4. Seuls les chefs validés envoient leurs recettes pour la création du Super Plat.

🏆 Pourquoi c'est génial ? (Les Résultats)

Les chercheurs ont testé Waffle sur de nombreux jeux de données (comme des photos de voitures, de vêtements, etc.) et voici ce qu'ils ont découvert :

  • Même si 90% des chefs sont des saboteurs, Waffle arrive à les repérer avec une précision incroyable (parfois 100% !).
  • Le scanner WST est le champion : Il détecte mieux les attaques subtiles (comme des images floues ou bruitées) que le scanner Fourier classique.
  • Gain de temps et d'énergie : Comme on élimine les saboteurs avant de commencer, on ne perd pas de temps et d'énergie à cuisiner un plat raté. C'est crucial pour les petits appareils (comme les capteurs dans une usine ou sur un téléphone).
  • C'est polyvalent : Ça marche aussi bien pour les images que pour le texte (comme dans l'exemple des sentiments dans les textes).

En résumé

Waffle, c'est comme un contrôle de sécurité à l'entrée d'un festival. Au lieu de laisser entrer tout le monde et de gérer les bagarres une fois à l'intérieur (ce qui est coûteux et dangereux), Waffle vérifie les billets et les comportements avant l'entrée.

Il utilise des outils mathématiques avancés (les transformées en ondelettes et de Fourier) pour sentir les "odeurs" de données corrompues, tout en garantissant que personne ne vole les recettes secrètes des chefs. Résultat : un modèle d'intelligence artificielle plus intelligent, plus rapide et plus sûr, même dans un monde rempli de saboteurs.