arXiv ID:
2607.06612
arXiv 提交日期: 2026-07-07
PRoVeFL:联邦学习中实现隐私保护、鲁棒性与可验证聚合 / PRoVeFL: Private Robust and Verifiable Aggregation in Federated Learning
1️⃣ 一句话总结
该论文提出了一种名为PRoVeFL的联邦学习框架,通过结合多方密钥全同态加密和分布式服务器设计,在保护客户端数据隐私的同时,有效抵御恶意用户投毒攻击和服务端推理攻击,并确保聚合结果可验证,性能相比现有方案提升数十倍。