一种子图感知的横向图联邦鲁棒聚合算法OA

为了防御横向图联邦学习中的投毒攻击,本文提出一种新的子图感知鲁棒聚合算法。算法包含恶意用户识别和个性化聚合两个模块。恶意用户识别模块考虑用户梯度异常性和图结构感知异常性,迭代地识别出所有恶意用户;个性化聚合模块对恶意用户进行梯度修正,并且对良性用户进行个性化聚合,从而优化各个本地模型的性能。本文的实验结果表明,与Krum、Median、TrimmedMean等方法相比,本文提出的防御算法具有预测精度更高、收敛速度更快等优势。