基于權(quán)重攻擊的聯(lián)邦學(xué)習(xí)防御方案

摘要： 為提高聯(lián)邦學(xué)習(xí)中惡意模型檢測的準(zhǔn)確率和魯棒性，提出一種基于權(quán)重攻擊的聯(lián)邦學(xué)習(xí)防御方案。基于局部離群因子算法設(shè)計異常檢測模型，提出用于檢測異常模型的異常評分；提出一種基于密度的異常檢測算法計算每個局部模型的異常評分；利用異常評分在聚合過程中自適應(yīng)調(diào)整每個局部模型的權(quán)值。仿真結(jié)果表明，所提方案檢測惡意模型精準(zhǔn)度有所提高，具有良好的收斂性和穩(wěn)定性。