基于梯度聚类和距离过滤的联邦学习拜占庭攻击防御方法

本发明提供一种基于梯度聚类和距离过滤的联邦学习拜占庭攻击防御方法，旨在提高拜占庭攻击防御的通用性、适应性和效率。本发明的方案为通过客户端的瞬时梯度和累积梯度，得到每个客户端的距离相关度和沃瑟斯坦距离，再通过客户端子梯度向量的识别分数，动态地给每个客户端分配权重，获得用于中央服务器的训练的梯度；本发明提供一种更通用的防御机制，能够有效对抗各种攻击模式，解决了传统方法仅适用于特定攻击类型的限制，同时，通过优化动态权重分配策略，提供更准确的适应性，增强了系统的鲁棒性并降低通信开销。