FedVIB–AGP: Defending Against Distributed Backdoor Attacks in Federated Learning via Variational Information Bottleneck and Activation-Gap Pruning
यह शोध पत्र FedVIB–AGP का प्रस्ताव करता है, जो फेडरेटेड लर्निंग के लिए एक पोस्ट-एग्रीगेशन रिपेयर फ्रेमवर्क है, जो वितरित बैकडोर हमलों (distributed backdoor attacks) को प्रभावी ढंग से दबाने और उच्च क्लीन-टास्क सटीकता बनाए रखने के लिए प्रशिक्षण के दौरान वेरिएशनल इंफॉर्मेशन बॉटलनेक रेगुलाइजेशन (Variational Information Bottleneck regularization) को रिपेयर के दौरान एक्टिवेशन-गैप प्रूनिंग (Activation-Gap Pruning) के साथ जोड़ता है।