

【论文阅读】Toward Malicious Clients Detection in Federated Learning
我们的工作:在这项研究中,我们的目标是通过提出一种新的基于检测的防御机制,称为SafeFL,专门设计用于识别和减轻FL系统中恶意客户端的影响,以填补这一关键空白。我们提出的SafeFL依赖于服务器维护自己独特的数据集,使其能够评估参与客户端提交的本地模型的完整性。鉴于与服务器的能力,有完整的知识,数据分布在不同的和异构的设备的客户端的固有的挑战,我们提出了一个创新的解决方案。服务器不依赖于反映客户端数据的数据集,而是生成一个合成数据集,该数据集来自经过多轮训练的全局模型的轨迹。

Restormer: Efficient Transformer for High-Resolution Image Restoration 论文阅读
由于卷积神经网络(CNN)在从大规模数据中学习可泛化的图像先验方面表现出色,这些模型已被广泛应用于图像恢复及相关任务。最近,另一类神经架构——Transformer,在自然语言处理和高层视觉任务上展现出显著的性能提升。虽然Transformer模型缓解了CNN的缺点(即有限的感受野和对输入内容的不适应性),但其计算复杂度随空间分辨率呈二次方增长,因此难以应用于大多数涉及高分辨率图像的图像恢复任务。本工作中,我们通过在核心构建模块(多头注意力和前馈网络)中引入几个关键设计,提出了一种高效的Transforme
