비잔틴 로버스트 연합 학습(BRFL)은 2023년 10월 베이징 항공우주대학교와 광시사범대학교 등 대학 및 기관 연구팀에 의해 공동으로 제안되었습니다. 관련 연구 결과는 논문 "BRFL: 블록체인 기반 비잔틴 강건 연합 학습 모델".

비잔틴 강건 연합 학습(BRFL)은 피어슨 상관관계 합의 알고리즘(PPCC)과 정밀도 기반 스펙트럼 집계(PSA) 알고리즘이라는 두 가지 주요 구성 요소로 구성됩니다. PPCC는 이전 라운드의 로컬 모델과 글로벌 모델 간의 피어슨 상관 계수를 기반으로 다음 라운드의 집계 노드를 선택하는 동시에, 집계 노드의 로컬 데이터셋을 사용하여 로컬 모델의 정확도를 검증합니다. 이를 통해 연합 학습의 테스트 데이터셋 부족 문제를 해결합니다. PSA는 상관관계가 높은 로컬 모델들을 클러스터링하고 평균을 계산하여 정확도를 검증합니다. 이를 통해 악성 모델을 탐지하고 리소스 비용 문제를 해결합니다. 실험 결과는 BRFL이 높은 강건성을 보이고 리소스 소비를 효과적으로 줄임을 보여줍니다.