标签
本文介绍了FedeRage，这是一种风险规避的联邦学习方法，使用条件风险价值来解决未知客户端参与和异构性问题，并在实验中展示了更高的准确性、公平性和收敛性。
本文介绍了SWB-DM，一种用于联邦学习的鲁棒聚合方法，该方法结合了切片瓦瑟斯坦重心和延迟动量缓存，以有效处理拜占庭攻击和部分参与问题。