Robuste und verzerrungsfreie föderierte Maschinelles Lernen mit Etikettenverschiebung

BOBA ist ein effizienter zweistufiger Algorithmus, der die Herausforderungen von Etikettenverschiebung in föderiertem Lernen adressiert, indem er eine robuste Schätzung des ehrlichen Unterraums und des ehrlichen Simplex durchführt. BOBA ist theoretisch garantiert unverzerrt und optimal robust gegenüber Byzantinischen Angriffen.