Native Byzantine-Robust Aggregation for Trustworthy Federated Learning: A C++20 Evaluation of Krum, Multi-Krum, Trimmed Mean, and Coordinate-wise Median
Dit artikel presenteert en evalueert een hoogwaardige C++20-implementatie van Byzantijnse-robuuste aggregatiealgoritmen (Krum, Multi-Krum, Trimmed Mean en Median) voor Federated Learning, waarbij door middel van rigoureuze correctheidscontroles en benchmarks wordt aangetoond dat het combineren van expliciete Byzantijnse aannames met numeriek defensief native systeemontwerp de aggregatie aanzienlijk versnelt terwijl de robuustheid tegen kwaadwillige updates behouden blijft.