Byzantine Robustness（拜占庭鲁棒性）

拜占庭鲁棒性指分布式系统或机器学习模型在存在恶意节点或异常数据时仍能正常工作的能力，解决恶意攻击下的可靠性问题，典型应用包括联邦学习和分布式训练，代表工作有Krum、Trimmed Mean等聚合规则。