client-selection

提出 PFDF，一种基于路径依赖的联邦遗忘客户端选择框架，通过 CLP 加权历史记录筛选出与目标客户端弱耦合但全局信息量大的保留客户端，以更少的通信和计算成本实现高效遗忘。

本文介绍了SCOPE-FL，一种分层联邦学习框架，使用Top Trading Cycle算法来确保客户端选择中的抗策略性和帕累托最优性，通过Shapley值近似进行奖励分配，并基于区块链执行。

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。