NDSS'21 FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping

FLTrust 主要工作： 在于在 server 端 maintain 一份小的干净的数据集，与 client 同步训练 root/server model。基于梯度下降方向的一致性，采用 cosine similarity 来衡量 root 与 client gradient 之间的相似性，从而判断是否有恶意 client。此外防止恶意梯度过大，导致方向偏离，采用了梯度裁剪的方法。

该论文的详细内容自己曾经做过 PPT 汇报 Fltrust PPT link, 并且针对 poisoning attacks to Byzantine-robust federated learning 对以下俩篇文章做了个 poster 汇总，练习 poster 制作 Poster link。

  1. Fang, Minghong, et al. "Local model poisoning attacks to Byzantine-Robust federated learning." 29th USENIX security symposium (USENIX Security 20). 2020.

  2. Cao, Xiaoyu, et al. "Fltrust: Byzantine-robust federated learning via trust bootstrapping." arXiv preprint arXiv:2012.13995 (2020).