Das Lancelot-Framework wurde im September 2025 gemeinsam von einem Forschungsteam des AIoT-Labors der Chinesischen Universität Hongkong, der Chongqing-Universität, der City University of Hong Kong sowie weiterer Universitäten und Institutionen vorgeschlagen. Die entsprechenden Forschungsergebnisse wurden in der Publikation „Hin zu recheneffizientem, byzantinisch robustem föderiertem Lernen mit vollständig homomorpher Verschlüsselung".

Lancelot ist ein recheneffizientes Framework für datenschutzfreundliches byzantinisches robustes föderiertes Lernen (BRFL) unter vollständig homomorpher Verschlüsselung (FHE). Die Forscher schlagen ein neuartiges interaktives Paradigma für föderiertes Lernen vor, das die dezentrale Zusammenarbeit zwischen Institutionen ermöglicht und das Training leistungsstarker und robuster Modelle erlaubt, ohne Kompromisse bei Datenschutz und Recheneffizienz einzugehen. Lancelot kombiniert algorithmische Verbesserungen und Hardwarebeschleunigung und optimiert unter anderem paarweise Chiffretextmultiplikationsverfahren, Polynommatrixmultiplikation und komplexe Additionsoperationen.