联邦学习拜占庭鲁棒差分隐私博弈论

联邦学习攻击概述

通过模型平均，federated learning 使得参与者能够对最终的全局模型的权重直接产生影响，其中有些参与者不可避免地是恶意的。
拜占庭攻击：
旨在阻止全局模型收敛
经典的联邦学习数据中毒攻击主要是通过攻击者破坏受其控制的客户端中的局部/本地数据来实现的。这中攻击对于拜占庭鲁棒的联邦学习是无效的。
当参与者的数据不受独立同分布时，现有的用于拜占庭容忍的分布式学习技术将不再适用。

A game in strategic form has three elements：the set of players，which we take to be the finite set，the pure-strategy space for each player，and payoff functions.

Bertrand competition

Stackelberg

Dominated Strategies

混合策略

如果一个策略规定参与人在给定的信息情况下以某种概率分布随机地选择不同的行动，称为混合策略。

Marginal cost边际成本

增加一单位的产量随即而产生的成本增加量即称为边际成本

支付函数

根据参与人对其他参与人的了解程度，博弈可分为
完全信息博弈：所有参与人对其他参与人的策略空间、支付函数等信息有充足的了解。
不完全信息博弈：至少有一个参与人对至少其他一个参与人的策略空间或支付函数等信息不了解。

贝叶斯博弈（不完全信息博弈）

博弈参与者对于对手的类型没有掌握完全信息的博