标签
本文提出了一种去中心化的 actor-critic 多智能体强化学习方法 FRAC-MARL。该方法通过利用通信中的冗余性实现了完全拜占庭容错，即使在对抗性攻击下也能保证参数收敛至最优。
本文提出了一种量子退火方法，将联邦学习中的客户端选择重新表述为QUBO问题以防御拜占庭攻击。实验表明，在复杂攻击上，该方法相比经典MultiKrum具有更高的检测准确性，尤其是与MultiSignal集成结合时。