提出Enhanced Detective防御联邦学习内部投毒

2026年10月15日，arXiv Artificial Intelligence 刊出研究，作者 Maria-Ioana-Andrea Ivan、Orhan Ermis、Ruxandra F. Olimid 提出 Enhanced Detective 双阶段鲁棒聚合策略，用于应对联邦学习金融欺诈检测中的内部投毒攻击。该策略结合中位数绝对偏差（MAD）、基于距离的更新过滤与 FedMedian 聚合。研究在不平衡信用卡数据集上针对标签翻转和权重缩放攻击进行 50 轮通信实验，在 40% 恶意客户端条件下达到 AUPRC 0.796、Recall 0.847。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。