🤖 machine learning

Robust Reputation-Driven Crowdsourced Federated Learning

यह शोध पत्र R2CFL का प्रस्ताव करता है, जो एक सुदृढ़ प्रतिष्ठा-संचालित क्राउडसोर्स्ड फेडरेटेड लर्निंग फ्रेमवर्क है, जो विश्वास संचय को रोकने के लिए एक नवीन प्रतिष्ठा मॉडल और नियरस्ट नेबर मिक्सिंग डिफेंस का उपयोग करता है और अत्याधुनिक तरीकों की तुलना में अनुकूलित हमलों (adaptive attacks) के विरुद्ध बेहतर लचीलापन प्रदर्शित करते हुए प्रभावी रूप से गुप्त हमलावरों का मुकाबला करता है।

मूल लेखक: Mouhamed Amine Bouchiha, Gregory Blanc

प्रकाशित 2026-08-11

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mouhamed Amine Bouchiha, Gregory Blanc

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक ऐसी दुनिया की कल्पना करें जहाँ आपका स्मार्टफोन, आपकी स्मार्टवॉच और यहाँ तक कि आपके पड़ोसी का लैपटॉप भी मिलकर एक नया कौशल सीख रहे हैं, जैसे कि विभिन्न प्रकार के ट्रैफिक संकेतों को पहचानना या दुर्लभ बीमारियों का पता लगाना, और वह भी बिना कभी भी आपकी निजी तस्वीरें या डेटा साझा किए। यह फेडरेटेड लर्निंग (Federated Learning) का जादू है। एक विशाल केंद्रीय मस्तिष्क द्वारा सभी के रहस्यों को जमा करने के बजाय, सीखना प्रत्येक डिवाइस पर स्थानीय रूप से होता है, और केवल "सीखे गए सबक" (गणितीय अपडेट) को एक केंद्रीय हब में संयोजित करने के लिए भेजा जाता है। यह उन छात्रों के समूह की तरह है जो अपने कमरों में रहकर परीक्षा के लिए अध्ययन कर रहे हैं और केवल अपने अध्ययन नोट्स साझा कर रहे हैं, न कि अपनी व्यक्तिगत डायरियाँ।

लेकिन यहाँ एक पेंच है: वास्तविक दुनिया में, हर कोई एक अच्छा छात्र नहीं होता। कुछ लोग "फ्री-राइडर्स" (मुफ्तखोरी करने वाले) हो सकते हैं जो बिना मेहनत किए बस होमवर्क की नकल करते हैं, और अन्य चालाक तोड़फोड़ करने वाले (saboteurs) हो सकते हैं जो समूह को गलत उत्तर सीखने के लिए धोखा देने की कोशिश करते हैं। समूह को ईमानदार रखने के लिए, सिस्टम अक्सर एक रेप्यूटेशन स्कोर (Reputation Score) का उपयोग करते हैं, जो एक डिजिटल "कर्मा" मीटर है। यदि आप मदद करते हैं और अच्छा काम करते हैं, तो आपका कर्मा बढ़ता है, और आपको अधिक योगदान देने का मौका मिलता है। यदि आप गलती करते हैं, तो आपका कर्मा गिर जाता है। समस्या यह है कि कुछ हमलावर कुशल अभिनेताओं की तरह होते; वे कुछ समय के लिए अच्छे छात्र होने का नाटक कर सकते हैं, धीरे-धीरे पर्याप्त विश्वास बनाने के लिए, ताकि बाद में एक बुरा विचार पेश करके पूरे क्लास प्रोजेक्ट को बर्बाद कर सकें। यह शोध पत्र इस बारे में है कि कैसे उन चालाक अभिनेताओं को रोकने के मामले में, जहाँ कोई भी अपनी इच्छा से शामिल हो सकता है या छोड़ सकता है, एक सिस्टम को सुरक्षित बनाया जाए।

समस्या: भेड़ की खाल में भेड़िया

क्राउडसोर्स्ड फेडरेटेड लर्निंग (CrowdFL) की दुनिया में, सिस्टम सभी के लिए खुला है। यह हजारों डिवाइसों का एक विशाल, गतिशील उत्सव है जो एक साझा AI मॉडल को प्रशिक्षित करने के लिए जुड़ते हैं। चीजों को सुचारू रूप से चलाने के लिए, सिस्टम सबसे भरोसेमंद श्रमिकों को चुनने के लिए एक रेप्यूटेशन सिस्टम (Reputation System) का उपयोग करता है। यदि किसी कार्यकर्ता का प्रतिष्ठा स्कोर उच्च है, तो उनके अपडेट पर भरोसा किया जाता है और अंतिम मॉडल बनाने के लिए उनका उपयोग किया जाता है।

हालाँकि, लेखक बताते हैं कि वर्तमान में इन प्रणालियों के काम करने के तरीके में एक खतरनाक दोष है। कल्पना कीजिए कि एक भेड़िया जो धीरे-धीरे भेड़ की खाल ओढ़ रहा है, दिन-ब-दिन। एक चालाक हमलावर ऐसे अपडेट भेज सकता है जो लगभग पूर्ण दिखते हैं, बस थोड़े से अलग, ताकि मानक सुरक्षा जाँचों से बचा जा सके। समय के साथ, ये हमलावर धीरे-धीरे एक उच्च प्रतिष्ठा स्कोर बना लेते हैं। एक बार जब उनके पास पर्याप्त विश्वास हो जाता है, तो वे अचानक भयानक, दुर्भावनापूर्ण अपडेट भेजने के लिए स्विच कर सकते हैं जो मॉडल को खराब कर देते हैं या छिपे हुए "बैकडोर" (जैसे घर में एक गुप्त दरवाजा जो केवल हमलावर के लिए खुलता है) स्थापित कर देते हैं।

मौजूदा प्रणालियाँ स्पष्ट रूप से बुरे लोगों को पकड़ने में बहुत अच्छी हैं, लेकिन वे अक्सर यह समझने में विफल रहती हैं कि एक "अच्छा" प्रतिष्ठा स्कोर हमेशा यह गारंटी नहीं देता कि एक कार्यकर्ता वास्तव में सुरक्षित है। प्रतिष्ठा प्रणाली और सुरक्षा फ़िल्टर अक्सर दो अलग चीजें होती हैं जो आपस में बात नहीं करती हैं।

समाधान: R2CFL और "विश्वास करो लेकिन जाँचो" का तालमेल

इसे ठीक करने के लिए, लेखक R2CFL (Robust Reputation-Driven Crowdsourced Federated Learning) नामक एक नया ढांचा प्रस्तावित करते हैं। R2CFL को एक क्लब के बाउंसर के रूप में सोचें जो न केवल आपके आईडी (प्रतिष्ठा) को देखता है बल्कि यह भी देखता है कि आप भीड़ के साथ कैसे नाच रहे हैं (वास्तविक डेटा अपडेट)।

उनके समाधान का मुख्य हिस्सा एक चतुर तंत्र है जिसे R2-NNM (Robust Reputation-Aware Nearest Neighbor Mixing) कहा जाता है। यह सरल शब्दों में इस प्रकार काम करता है:

पड़ोस की जाँच (The Neighborhood Check): एक कार्यकर्ता के अपडेट को अलग से देखने के बजाय, सिस्टम उनके "पड़ोसियों" को देखता है—वे अपडेट जो गणितीय रूप से उनके सबसे करीब हैं। यह पूछने जैसा है, "आपके दोस्त कौन हैं? क्या आपके दोस्त आपके जैसे दिखते हैं?"
स्मूदी ब्लेंड (The Smoothie Blend): सिस्टम एक कार्यकर्ता के अपडेट को लेता है और उसे उनके निकटतम पड़ोसियों के अपडेट के साथ मिला देता है। यह एक "डिनोइजिंग" (शोर हटाने वाले) फिल्टर के रूप में कार्य करता है। यदि कोई कार्यकर्ता एक अजीब, दुर्भावनापूर्ण अपडेट डालने की कोशिश कर रहा है, तो इसे उसके पड़ोसियों के ईमानदार अपडेट द्वारा सुधारा या सुचारू (smooth out) कर दिया जाता है।
प्रतिष्ठा लूप (The Reputation Loop): यह सबसे जादुई हिस्सा है। सिस्टम केवल डेटा को फ़िल्टर नहीं करता है; यह उस फ़िल्टरिंग के परिणाम का उपयोग कार्यकर्ता की प्रतिष्ठा को अपडेट करने के लिए करता है।
- यदि आपका अपडेट सुचारू (smoothed) और स्वीकृत होता है, तो आपकी प्रतिष्ठा बढ़ती है।
- यदि आपका अपडेट इतना अजीब है कि इसे अस्वीकार कर दिया जाता है या बहुत अधिक बदला जाता है, तो आपकी प्रतिष्ठा गिर जाती है।
- महत्वपूर्ण रूप से, सिस्टम एक "वार्म-अप" अवधि के साथ शुरू होता है जहाँ सभी के साथ समान व्यवहार किया जाता है। कुछ राउंड के बाद ही प्रतिष्ठा स्कोर मायने रखना शुरू होता है। यह हमलावरों को शुरुआत में ही सिस्टम में हेरफेर करने से रोकता है।

यह एक बंद लूप बनाता है: प्रतिष्ठा फ़िल्टरिंग को प्रभावित करती है, और फ़िल्टरिंग प्रतिष्ठा को आकार देती है। एक चालाक हमलावर विश्वास बनाने के लिए धीरे-धीरे प्रयास नहीं कर सकता क्योंकि यदि वह एक बुरा अपडेट भेजने की कोशिश करता है, तो सिस्टम उसे पकड़ लेता है, उसे अस्वीकार कर देता है, और तुरंत उसका विश्वास स्कोर कम कर देता है। वह अब "नज़रों के सामने छिप" नहीं सकता।

प्रयोगों ने क्या दिखाया

लेखकों ने अपने विचार का परीक्षण करने के लिए एक "प्रूफ-ऑफ-कांसेप्ट" सिमुलेशन का उपयोग किया। उन्होंने 20 श्रमिकों (जिनमें से 6 दुर्भावनापूर्ण हमलावर थे) के साथ एक आभासी कक्षा बनाई और तीन अलग-अलग डेटासेट का उपयोग किया: FashionMNIST (कपड़ों की पहचान), GTSRB (ट्रैफिक संकेत), और CIFAR-10 (सामान्य वस्तुएं)। उन्होंने अपने नए R2-NNM मेथड को कई अन्य प्रसिद्ध सुरक्षा विधियों के खिलाफ खड़ा किया।

यहाँ उन्हें क्या पता चला:

चालाक हमलावरों को रोकना: "न्यूरोटॉक्सिन" (Neurotoxin) और "A3FL" जैसे परिष्कृत हमलों (जो छिपने के लिए डिज़ाइन किए गए हैं) के खिलाफ परीक्षणों में, R2-NNM अविश्वसनीय रूप से प्रभावी था। इसने लगभग 0.96 से 0.99 की True Positive Rate (TPR) के साथ दुर्भावनापूर्ण श्रमिकों की पहचान करने और उन्हें फ़िल्टर करने में सफलता प्राप्त की। इसका मतलब है कि इसने लगभग सभी बुरे लोगों को पकड़ लिया।
निर्दोषों पर आरोप न लगाना: शायद इससे भी महत्वपूर्ण बात यह है कि इसने गलती से अच्छे छात्रों को बाहर नहीं निकाला। इसकी False Positive Rate (FPR) बहुत कम थी, जो विशिष्ट परिदृश्यों में अक्सर 0.00 से 0.004 तक गिर गई, जिसका अर्थ है कि इसने शायद ही कभी ईमानदार श्रमिकों को दंडित किया।
प्रतिस्पर्धा को पछाड़ना: M-Krum, FLAME, और AutoDFL जैसी अन्य शीर्ष-स्तरीय विधियों की तुलना में, R2-NNM ने उतना ही अच्छा या उससे बेहतर प्रदर्शन किया। उदाहरण के लिए, जबकि FLAME ने बुरे लोगों को अच्छी तरह पकड़ा, लेकिन वह बहुत आक्रामक था और अक्सर अच्छे श्रमिकों को बाहर निकाल देता था (उच्च FPR)। R2-NNM ने सही संतुलन खोजा।
प्रतिष्ठा स्कोर काम करता है: शोध पत्र ने यह भी दिखाया कि R2CFL द्वारा उत्पन्न प्रतिष्ठा स्कोर का वास्तव में कोई अर्थ था। अच्छे श्रमिकों का स्कोर उच्च बना रहा, और बुरे श्रमिकों का स्कोर गिरकर शून्य के करीब पहुँच गया। यह साबित करता है कि प्रतिष्ठा प्रणाली केवल अनुमान नहीं लगा रही थी; यह सटीक रूप से दर्शा रही थी कि कौन भरोसेमंद है।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि एक कार्यकर्ता पर हमारे विश्वास को उनके डेटा के वास्तविक व्यवहार के साथ मजबूती से जोड़कर, हम चालाक हमलावरों को धीरे-धीरे कब्जा करने से रोक सकते हैं। R2-NNM विधि एक स्मार्ट, स्व-सुधारने वाले फ़िल्टर के रूप में कार्य करती है जो सुनिश्चित करती है कि "कर्मा" प्रणाली वास्तविक है।

हालाँकि परिणाम सिमुलेशन और प्रूफ-ऑफ-कांसेप्ट पर आधारित हैं (जिसका अर्थ है कि अभी तक इनका परीक्षण लाखों फोनों के लाइव, वैश्विक नेटवर्क पर नहीं किया गया है), परिणाम उत्साहजनक हैं। लेखक निष्कर्ष निकालते हैं कि यह दृष्टिकोण क्राउडसोर्स्ड AI लर्निंग को सुरक्षित, निष्पक्ष और प्रभावी रखने का एक मजबूत तरीका प्रदान करता है, भले ही हमलावर छिपने की पूरी कोशिश कर रहे हों। वे यह भी नोट करते हैं कि भविष्य में, वे सिस्टम की सेटिंग्स को स्वचालित रूप से ट्यून करने के लिए AI का उपयोग कर सकते हैं, जिससे यह गड़बड़ी को पहचानने में और भी स्मार्ट बन जाएगा।

तकनीकी सारांश: रोबस्ट रेप्यूटेशन-ड्रिवन क्राउडसोर्स्ड फेडरेटेड लर्निंग (R2CFL)

1. समस्या विवरण (Problem Statement)

क्राउडसोर्स्ड फेडरेटेड लर्निंग (CrowdFL), पारंपरिक फेडरेटेड लर्निंग (FL) का विस्तार करता है ताकि खुले और विषम (heterogeneous) भागीदारी को सक्षम किया जा सके। जबकि कार्यकर्ता चयन को निर्देशित करने और ईमानदार व्यवहार को प्रोत्साहित करने के लिए प्रतिष्ठा-आधारित प्रोत्साहन तंत्र (reputation-driven incentive mechanisms) का व्यापक रूप से उपयोग किया जाता है, मौजूदा ढांचे गंभीर सीमाओं से ग्रस्त हैं:

स्टील्थी एडवर्सरीज (Stealthy Adversaries) के प्रति संवेदनशीलता: वर्तमान प्रणालियाँ अक्सर उन अनुकूलित हमलावरों (adaptive attackers) के विरुद्ध मजबूती को मापने में विफल रहती हैं जो दुर्भावनापूर्ण अपडेट (जैसे, बैकडोर या पॉइजनिंग हमले) तैयार करते हैं जो सामान्य अपडेट के समान दिखते हैं। ये "स्टील्थी" हमलावर मानक पहचान तंत्रों (जैसे, रोबस्ट एग्रीगेशन या विसंगति फ़िल्टरिंग) से बचने में सक्षम होते हैं और भविष्य के कार्यों को प्रभावित करने के लिए धीरे-धीरे प्रतिष्ठा संचित कर सकते हैं।
प्रतिष्ठा और मजबूती का विच्छेद (Decoupling of Reputation and Robustness): मौजूदा प्रतिष्ठा मॉडल (जैसे, AutoDFL, SSMTD) अक्सर एग्रीगेशन प्रक्रिया की वास्तविक मजबूती से अलग होते हैं। वे उन प्रतिभागियों को उच्च विश्वास स्कोर दे सकते हैं जिनका दुर्भावनापूर्ण व्यवहार अनपेक्षित रह गया हो, जिससे कथित और वास्तविक विश्वसनीयता के बीच एक अंतर पैदा होता है।
मापन योग्य गारंटी का अभाव: अनुकूलित, अपवर्जी (evasive) स्थितियों के तहत प्रतिष्ठा तंत्र की निष्पक्षता और मजबूती को स्पष्ट रूप से मापने में एक अंतराल मौजूद है।

2. कार्यप्रणाली: R2CFL ढांचा (Methodology: The R2CFL Framework)

लेखक R2CFL का प्रस्ताव करते हैं, जो एक रोबस्ट प्रतिष्ठा मॉडल को एक ज्यामितीय फ़िल्टरिंग रक्षा तंत्र के साथ मजबूती से जोड़ता है। यह प्रणाली लेयर-2 ज़ीके-रोलअप्स (Layer-2 zk-rollups) का उपयोग करते हुए केंद्रीकृत और विकेंद्रीकृत (ब्लॉकचेन-आधारित) दोनों सेटिंग्स में कार्य करती है।

2.1 मुख्य घटक (Core Components)

सिस्टम एक्टर्स (System Actors): पब्लिशर्स (कार्य परिभाषित करते हैं), वर्कर्स (स्थानीय रूप से प्रशिक्षण देते हैं), इवैल्यूएटर्स/ओरेकल (फ़िल्टर और एग्रीगेट करते हैं), और वैलिडेटर्स (विकेंद्रीकृत सेटिंग्स में ब्लॉकचेन बनाए रखते हैं)।
थ्रेट मॉडल (Threat Model): सिस्टम एक खुले वातावरण की कल्पना करता है जहाँ वर्कर्स रणनीतिक हो सकते हैं, मिलीभगत कर सकते हैं, या अनटारगेटेड (पॉइजनिंग) या टार्गेटेड (बैकडोर) हमले कर सकते हैं। एग्रीगेशन इकाई को 'हॉनेस्ट-बट-क्यूरियस' माना जाता है या ओरेकल के माध्यम से सुरक्षित माना जाता है।

2.2 R2-NNM रक्षा तंत्र (The R2-NNM Defense Mechanism)

मुख्य नवाचार Robust Reputation-Aware Nearest Neighbor Mixing (R2-NNM) है, जो अपडेट के फ़िल्टरिंग के साथ प्रतिष्ठा के विकास को सीधे जोड़ता है:

Robust Reputation-Aware Nearest Neighbor Mixing:
- स्थानीय अपडेट को पैरामीटर स्पेस में उनके $k$ निकटतम पड़ोसियों (nearest neighbors) का उपयोग करके स्मूथ किया जाता है।
- मिक्सिंग वेट्स (mixing weights) को स्थानीय प्रतिष्ठा स्कोर ( $L_{rep}$ ) द्वारा गतिशील रूप से मॉड्यूलेट किया जाता है।
- एक वॉर्म-अप अवधि ( $t \le T_{warm}$ ) शुरुआत में समान वेटिंग सुनिश्चित करती है, जिससे प्रारंभिक प्रतिष्ठा पूर्वाग्रह (reputation bias) को रोका जा सके। इसके बाद, प्रतिष्ठा वेट्स धीरे-धीरे मिक्सिंग ( $\gamma_t$ ) को प्रभावित करते हैं, जिससे विश्वास केवल सत्यापित सांख्यिकीय निरंतरता के बाद ही संचित होता है।
- फॉर्मूला: $\tilde{\theta}^t_i = \sum_{j \in N_k(i) \cup \{i\}} w_{ij} \theta^t_j$ , जहाँ वेट्स $L_{rep}$ पर निर्भर करते हैं।
Robust Multi-Krum Selection:
- मिक्सिंग के बाद, एक मल्टी-क्रम (Multi-Krum) चयन चरण अपडेट के उस उपसमुच्चय को चुनता है जो युग्मवार दूरियों (pairwise distances) को न्यूनतम करता है, जो बायज़ेंटाइन व्यवहारों के विरुद्ध गारंटी प्रदान करता है।

2.3 डेटा-मुक्त प्रतिष्ठा मॉडल (Data-Free Reputation Model)

बाहरी सत्यापन डेटासेट या प्रदर्शन मेट्रिक्स पर निर्भर रहने वाले पिछले कार्यों के विपरीत, R2CFL एक डेटा-मुक्त प्रतिष्ठा मॉडल का उपयोग करता है:

विश्वास की परिभाषा: विश्वास को बाहरी सटीकता के बजाय, प्रतिकूल परिस्थितियों में रोबस्ट कंसेंसस (consensus) के साथ सहमति के आधार पर परिभाषित किया जाता है।
बाइनरी और सॉफ्ट सिग्नल: एक क्लाइंट को एक बाइनरी इंडिकेटर ( $Reliable^t_i$ ) प्राप्त होता है कि क्या उन्हें फ़िल्टर द्वारा स्वीकार किया गया है। इसे युग्मवार दूरियों के नॉर्मलाइज्ड डेविएशन (Median Absolute Deviation का उपयोग करके) से प्राप्त एक सॉफ्ट ट्रस्ट सिग्नल के साथ जोड़ा जाता है।
अपडेट नियम: स्थानीय प्रतिष्ठा को वॉर्म-अप स्थिरीकरण के साथ एक्सपोनेंशियल मूविंग एवरेज (EMA) के माध्यम से अपडेट किया जाता है। ग्लोबल प्रतिष्ठा को टास्क स्तर पर एसिमेट्रिकल रूप से अपडेट किया जाता है, जो कंसेंसस से विचलन को निरंतरता को पुरस्कृत करने की तुलना में अधिक भारी दंड देता है।

3. मुख्य योगदान (Key Contributions)

R2CFL ढांचा: एक नया आर्किटेक्चर जो प्रतिष्ठा को सीधे एग्रीगेशन डिफेंस में एकीकृत करता है, यह सुनिश्चित करता है कि प्रतिष्ठा संचय वास्तविक रोबस्टनेस को दर्शाता है।
R2-NNM तंत्र: एक क्लोज्ड-लूप डिफेंस जहाँ प्रतिष्ठा फ़िल्टरिंग को प्रभावित करती है, और फ़िल्टरिंग प्रतिष्ठा को आकार देती है। यह स्टील्थी हमलावरों को धीरे-धीरे सिस्टम में घुसपैठ करने से रोकता है।
डेटा-मुक्त प्रतिष्ठा: एक प्रतिष्ठा मॉडल जो बाहरी सत्यापन योग्य डेटा पर निर्भरता को समाप्त करता है, और अपडेट पॉपुलेशन के भीतर ज्यामितीय निरंतरता पर निर्भर करता है।
मापन योग्य मजबूती (Quantifiable Robustness): फ्रेमवर्क एक विधि प्रदान करता है जो प्रतिष्ठा स्कोर के माध्यम से अंतर्निहित डिफेंस के ट्रू पॉजिटिव रेट (TPR) और फाल्स पॉजिटिव रेट (FPR) को निष्ठापूर्वक कैप्चर करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने विभिन्न हमले परिदृश्यों (OMP, Neurotoxin, A3FL) और डेटा वितरणों (IID और Non-IID) के तहत FashionMNIST, GTSRB, और CIFAR-10 डेटासेट पर R2CFL का मूल्यांकन किया।

अभिसरण और मजबूती (Convergence and Robustness): R2-NNM, स्टेट-ऑफ-द-आर्ट डिफेंस (M-Krum, FLAME, DeepSight, NNM) के बराबर या उससे बेहतर प्रदर्शन करता है। यह अनुकूलित बैकडोर और पॉइजनिंग हमलों के खिलाफ उच्च सटीकता (ACC) और कम अटैक सक्सेस रेट (ASR) बनाए रखता है।
डिटेक्शन प्रदर्शन: R2-NNM उच्च TPR (लगभग 0.95–0.99) प्राप्त करता है जबकि कम FPR बनाए रखता है। विशेष रूप से, यह FLAME (जिसका FPR आक्रामक फ़िल्टरिंग के कारण उच्च है) और AutoDFL (जो बैकडोर हमलों के तहत विफल हो जाता है) से बेहतर प्रदर्शन करता है।
प्रतिष्ठा प्रभावशीलता:
- सेपरेशन (Separation): R2-NNM बेंनिन (benign) और मैलिसियस (malicious) प्रतिष्ठा स्कोर के बीच उच्चतम सेपरेशन ( $\Delta = \bar{R}_B - \bar{R}_M$ ) प्राप्त करता है (लगभग 0.72–0.73), जो हमलावरों को प्रभावी दंड और ईमानदार श्रमिकों के लिए स्थिरता को दर्शाता है।
- निष्पक्षता (Fairness): यह तंत्र IID और Non-IID सेटिंग्स में बेंनिन क्लाइंट्स के लिए स्थिर प्रतिष्ठा बनाए रखता है, जबकि कुछ बेसलाइन डेटा विषमता के तहत खराब प्रदर्शन करती हैं।
एब्लेशन स्टडीज (Ablation Studies):
- मिक्सिंग पैरामीटर ( $k$ ): $k$ बढ़ाने से निष्पक्षता में सुधार होता है (FPR कम होता है) लेकिन अत्यधिक मिक्सिंग से TPR थोड़ा कम हो सकता है।
- स्केलेबिलिटी: जैसे-जैसे वर्कर्स की संख्या बढ़ती है, R2-NNM स्थिर FPR बनाए रखता है, हालांकि बड़े फेडरेशन में सांख्यिकीय विभाज्यता (statistical separability) कम होने के कारण TPR स्वाभाविक रूप से कम हो जाता है।
- अटैक शेड्यूल: R2-NNM विलंबित हमले (delayed attack onset) के प्रति मजबूत है। जबकि M-Krum का FPR हमलों के विलंब के दौरान चार गुना बढ़ जाता है, R2-NNM का FPR केवल मध्यम रूप से बढ़ता है, और यह लगातार सबसे कम ASR प्राप्त करता है।

5. महत्व और दावे (Significance and Claims)

पेपर दावा करता है कि R2CFL क्राउडFL में एक मौलिक अंतर को संबोधित करता है: प्रतिष्ठा तंत्र और एग्रीगेशन प्रक्रिया की सांख्यिकीय मजबूती के बीच सिद्धांतों का अभाव।

क्रमिक घुसपैठ की रोकथाम: प्रतिष्ठा को रोबस्ट फ़िल्टरिंग के साथ जोड़कर, सिस्टम स्टील्थी हमलावरों को धीरे-धीरे विश्वास संचित करने से रोकता है।
निष्ठापूर्ण प्रतिनिधित्व: प्रतिष्ठा स्कोर अंतर्निहित डिफेंस की वास्तविक ट्रू पॉजिटिव और फाल्स पॉजिटिव विशेषताओं को सटीक रूप से दर्शाते हैं, जो गतिशील वातावरण में विश्वसनीयता का एक विश्वसनीय माप प्रदान करते हैं।
सीमाएं और भविष्य का कार्य: लेखक विनम्रता से नोट करते हैं कि वर्तमान डिज़ाइन राउंड-वेरिंग एडवर्सरियल प्रेशर (round-varying adversarial pressure) के अनुकूल नहीं है, जिससे गैर-स्थिर हमलों के तहत सब-ऑप्टिमल मजबूती-निष्पक्षता ट्रेड-ऑफ हो सकता है। वे सुझाव देते हैं कि भविष्य के कार्य में सुदृढीकरण शिक्षण (reinforcement learning) के माध्यम से ऑनलाइन हाइपरपैरामीटर्स सीखना शामिल हो सकता है।

यह कार्य CKRISP प्रोजेक्ट (ANR-23-IAS4-0001) द्वारा समर्थित है।