Le cadre Lancelot a été proposé conjointement en septembre 2025 par une équipe de recherche du laboratoire AIoT de l'Université chinoise de Hong Kong, de l'Université de Chongqing, de l'Université de la ville de Hong Kong et d'autres universités et institutions. Les résultats de recherche correspondants ont été publiés dans l'article «Vers un apprentissage fédéré robuste aux attaques byzantines et efficace en termes de calcul, avec un chiffrement entièrement homomorphe".

Lancelot est un framework de calcul efficace pour l'apprentissage fédéré robuste byzantin (BRFL) préservant la confidentialité sous chiffrement entièrement homomorphe (FHE). Plus précisément, les chercheurs proposent un nouveau paradigme d'apprentissage fédéré interactif pour la collaboration décentralisée entre institutions, permettant l'entraînement de modèles performants et robustes sans compromettre la confidentialité des données ni l'efficacité de calcul. Lancelot combine des améliorations algorithmiques et une accélération matérielle, notamment des optimisations pour les politiques de multiplication de textes chiffrés par paires, la multiplication de matrices polynomiales et les opérations d'addition complexes.