연방 학습에서 악의적인 참여자가 훈련 중 모델의 정확도를 저해할 수 있는 보안 위협이 존재한다. 이를 해결하기 위해 두 가지 유형의 바이저틴 공격을 결합한 하이브리드 공격을 제안한다.
연방 학습에서 클라이언트의 사적 학습 데이터가 공유된 그래디언트로부터 재구성될 수 있다는 것이 알려져 있지만, 실제 연방 학습 시스템에서의 효과는 제한적이다.