热点事件持续更新
StratFL：基于博弈论的联邦学习抗投毒策略
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月19日，研究团队在arXiv上发布了关于StratFL的最新成果。该策略提出一种基于不完全信息重复博弈的对抗搜索算法，旨在防御联邦学习中的隐蔽模型投毒攻击。实验在MNIST和CIFAR-10数据集上进行验证，结果显示相比现有最先进方法，StratFL将准确率提升了10%。此外，研究还展示了服务器与攻击者端信念更新算法的经验收敛性。
AI 根据报道生成 · 1 小时前更新
最新进展10月19日 12:00
2026年10月19日发布新论文，验证StratFL在特定数据集上将准确率提升10%。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.CRStratFL 如何对抗隐蔽模型投毒攻击
StratFL 提出一种基于不完全信息重复博弈的对抗搜索算法，用于防御联邦学习中的隐蔽模型投毒攻击。该方案在 MNIST 和 CIFAR-10 数据集上验证，相比现有最先进方法提升了 10% 的准确率。研究同时展示了服务器与攻击者端信念更新算法的经验收敛性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。