ビザンチン・ロバスト連合学習（BRFL）は、北京航空航天大学や広西師範大学などの大学や研究機関の研究チームによって2023年10月に共同で提案されました。関連する研究成果は論文「…」に掲載されました。BRFL: ブロックチェーンベースのビザンチン堅牢な連合学習モデル”。

ビザンチンロバスト連合学習（BRFL）は、ピアソン相関コンセンサスアルゴリズム（PPCC）と精度ベーススペクトル集約（PSA）アルゴリズムという2つの主要コンポーネントで構成されています。PPCCは、ローカルモデルと以前のラウンドのグローバルモデル間のピアソン相関係数に基づいて、次のラウンドの集約ノードを選択すると同時に、集約ノードのローカルデータセットを用いてローカルモデルの精度を検証することで、連合学習におけるテストデータセットの不足に対処します。PSAは、相関の高いローカルモデルをクラスタ化し、平均を計算することで精度を検証することで、悪意のあるモデルを検出し、リソースコストの問題に対処します。実験結果は、BRFLが高い堅牢性を示し、リソース消費を効果的に削減することを示しています。