Defending Against Backdoor Attacks via Alignment Checking in Model-Contrastive Federated Learning
यह शोध पत्र FedDAB का प्रस्ताव करता है, जो एक दो-चरणीय फेडेरेटेड लर्निंग डिफेंस है जो सांख्यिकीय विषमता को ध्यान में रखते हुए और सैद्धांतिक अभिसरण सुनिश्चित करते हुए बैकडोर हमलों को प्रभावी ढंग से कम करने के लिए स्थानीय मॉडल-कॉन्ट्रास्टिव रेगुलराइजेशन को अलाइनमेंट चेकिंग के साथ जोड़ता है।