与现有的大部分方法不同，FedDefender是在客户端层面的防御机制。 方法叠的有点多 大部分方法都在④这一步防御，通过设计鲁邦的聚合策略等，但是本文通过修改本地训练策略，来更新模型，文章主要基于两个观点： 本地模型不容易过拟合噪声知识蒸馏传递正确的全局信息 Step 1. 本地元更新 我们通过元学习以鲁棒的方式训练良性局部模型。目标是发现模型的参数，即使在被噪声信息干扰后也