client-selection

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。