🔥 Разбираем статью, которая получила Oral Presentation на AAAI👇

Bant: Byzantine Antidote via Trial Function and Trust Scores

💡О чем статья?

Обучать модель централизованно часто невозможно: данные нельзя выгружать из учреждений, корпоративная информация защищена NDA, а собирать терабайты с edge-устройств физически нереально. Решение? Федеративное обучение — учить модель прямо там, где данные, без их передачи.

Плюсы очевидны:
✅ Приватность
✅ Экономия на инфраструктуре
✅ Доступ к огромным распределенным датасетам

“Атаки” возникают естественным образом:
🏥 Медицина: врачи из разных клиник расходятся в диагнозах — противоречивая разметка ЭКГ
🔍 Рекомендации: пользовательские клики зашумлены субъективными взглядами
🏭 Индустрия: вычислительные машины выходят из строя, давая мусорные сигналы
Классические методы требуют >50% честных участников и рушатся при неоднородности локальных выборок. В реальных сценариях это нереалистично — вы никогда не знаете, кому можно доверять!

🎯 Что предлагает Bant?

Наш ключевой прорыв: метод гарантированно работает при наличии хотя бы одного надежного устройства — независимо от количества вредоносных.

📊 Подробности, алгоритмы, эксперименты и результаты — все в карточках!

🔗 Статья
💻 Код

#разборстатьи