ランスロットフレームワークは、香港中文大学AIoTラボ、重慶大学、香港城市大学などの大学や機関の研究チームによって2025年9月に共同で提案されました。関連する研究成果は論文「完全準同型暗号化を用いた計算効率の高いビザンチン堅牢な連合学習に向けて”。

Lancelotは、完全準同型暗号（FHE）下でプライバシー保護型のビザンチン堅牢連合学習（BRFL）を行うための計算効率の高いフレームワークです。具体的には、研究者らは、機関間の分散型コラボレーションのための新しいインタラクティブ連合学習パラダイムを提案し、データのプライバシーと計算効率を犠牲にすることなく、高性能で堅牢なモデルのトレーニングを可能にします。Lancelotは、アルゴリズムの強化とハードウェアアクセラレーションを組み合わせ、ペアワイズ暗号文乗算ポリシー、多項式行列乗算、複雑な加算演算の最適化をカバーしています。