본 논문은 분산 학습 환경에서 발생하는 백도어 공격을 탐지하기 위한 새로운 연합 학습 방어 메커니즘인 FeRA를 제안합니다. FeRA는 클라이언트 간의 내부 특징 표현에 대한 크로스-클라이언트 어텐션을 활용하여 양성 클라이언트와 악성 클라이언트를 구분합니다. 표현 재구성 오류를 기반으로 이상치 점수를 계산하여 그룹 합의에서 크게 벗어나는 클라이언트를 효과적으로 식별합니다. 다양한 연합 학습 시나리오, 특히 에지 디바이스의 비IID 데이터 분포에서 강력한 성능을 보이며, 백도어 공격 성공률을 효과적으로 줄이면서 주요 작업에 대한 높은 정확도를 유지합니다. 모델, 공격과 무관하며, 라벨이 지정된 참조 데이터가 필요 없어 이기종 및 자원 제약이 있는 에지 환경에 적합합니다.
