#FedAvg

arXiv 上的联邦学习攻防实验报告，服务端能从一次更新里偷出标签集，30% 恶意客户端就能植入后门，FLTrust 能防住，代码可直接跑。

这篇 arXiv 论文提出 PI-SME，把梯度反转攻击的代理模型从单点升级成路径积分近似，在 CIFAR-100 和 FEMNIST 上重建私有图像比之前的基线更准。做联邦学习隐私的可以看看。

联邦学习又出新优化思路：让所有客户端沿同一条预测路径算梯度，通信量和 FedAvg-M 一样但聚合方向是无偏的，还附理论收敛证明，做分布式训练的可以看看。