docs: archive curated N50 FedAvg baseline

doc_fedavg/28_[2026-04-12]_N50_FedAvg_实验结果与验收归档说明.md

@@ -0,0 +1,261 @@
+---
+created: 2026-04-12T10:30+08:00
+updated: 2026-04-12T22:30+08:00
+author: GitHub Copilot
+source_pr: 2263
+source_branch: YKDZ/FedML:exp/n50-fedavg-baseline-20260411
+source_spec: doc_fedavg/27_[2026-04-11]_N50_FedAvg_无攻击基线实验设计.md
+status: archived-report
+---
+
+# N=50 FedAvg — 实验结果与验收归档说明
+
+> 对应规格：`doc_fedavg/27_[2026-04-11]_N50_FedAvg_无攻击基线实验设计.md`
+>
+> 原始结果归档：`doc_fedavg/n50_results/README.md`
+
+- **实验编号**：BL-N50-v2.1
+- **执行日期**：2026-04-10 23:55 — 2026-04-11 05:20（总耗时约 5.4 小时）
+- **设计文档**：`doc_fedavg/27_[2026-04-11]_N50_FedAvg_无攻击基线实验设计.md`
+- **执行脚本**：`python/examples/federate/prebuilt_jobs/shieldfl/scripts/batch_baseline_n50.sh`
+- **原始结果归档**：`doc_fedavg/n50_results/`
+- **硬件环境**：4×RTX 4090（GPU 0 占用，实验使用 GPU 1/2/3）
+- **代码版本**：`dae6571095d0` (master)
+
+---
+
+## §1 执行概况
+
+30/30 组实验全部完成，无崩溃、无 OOM、无 RuntimeError。
+
+| 阶段 | 数据集 | 实验数 | GPU 配置 | 单组耗时 | 总耗时 |
+|:-----|:------|:------:|:---------|:---------|:-------|
+| Phase 1 | CIFAR-10 (ResNet-18) | 15 | 3×4090 (13,19,19) | 16.0–17.8 min | ~4.2 h |
+| Phase 2 | MNIST (LeNet-5) | 15 | 2×4090 (26,25) | 4.3–5.3 min | ~1.2 h |
+| **合计** | | **30** | | | **~5.4 h** |
+
+---
+
+## §2 原始结果
+
+### CIFAR-10 + ResNet-18 (N=50, T=100, E=1, lr=0.01, wd=1e-4)
+
+| α | seed=0 | seed=1 | seed=2 | seed=3 | seed=4 | mean ± std | AC-1 区间 | 判定 |
+|:--|:-------|:-------|:-------|:-------|:-------|:-----------|:----------|:-----|
+| 0.1 | 66.72% | 44.13% | 49.57% | 60.33% | 56.60% | 55.47% ± 7.94% | [35%, 65%] | **PASS** |
+| 0.5 | 73.31% | 72.76% | 73.37% | 73.39% | 72.63% | 73.09% ± 0.33% | [65%, 80%] | **PASS** |
+| 100 | 74.38% | 74.40% | 74.91% | 74.03% | 74.63% | 74.47% ± 0.29% | [73%, 85%] | **PASS** |
+
+### MNIST + LeNet-5 (N=50, T=100, E=1, lr=0.01, wd=0)
+
+| α | seed=0 | seed=1 | seed=2 | seed=3 | seed=4 | mean ± std | AC-1 区间 | 判定 |
+|:--|:-------|:-------|:-------|:-------|:-------|:-----------|:----------|:-----|
+| 0.1 | 97.77% | 98.10% | 97.88% | 97.91% | 98.08% | 97.95% ± 0.13% | [90%, 98.5%] | **PASS** |
+| 0.5 | 97.96% | 98.35% | 97.58% | 98.12% | 98.24% | 98.05% ± 0.27% | [94%, 99.5%] | **PASS** |
+| 100 | 98.18% | 98.01% | 97.80% | 97.96% | 98.10% | 98.01% ± 0.13% | [96%, 99.5%] | **PASS** |
+
+---
+
+## §3 AC 逐条判定
+
+### AC-0：工程健康度
+
+| AC | 条件 | 结果 | 判定 |
+|:---|:-----|:-----|:-----|
+| AC-0-1 | 无崩溃 | 30/30 全部正常完成 | **PASS** |
+| AC-0-2 | 日志完整 | 30 组均产出 100 行 JSONL，含 `test_acc`、`test_loss` | **PASS** |
+| AC-0-3 | 种子确定性 | C6 结果 73.31% vs 锚点 73.31%，偏差 = 0.00pp < 0.5pp | **PASS** |
+
+### AC-1：精度范围
+
+| 条件 | mean | 验收区间 | 判定 |
+|:-----|:-----|:---------|:-----|
+| CIFAR-10 α=0.1 | 55.47% | [35%, 65%] | **PASS** |
+| CIFAR-10 α=0.5 | 73.09% | [65%, 80%] | **PASS** |
+| CIFAR-10 α=100 | 74.47% | [73%, 85%] | **PASS** |
+| MNIST α=0.1 | 97.95% | [90%, 98.5%] | **PASS** |
+| MNIST α=0.5 | 98.05% | [94%, 99.5%] | **PASS** |
+| MNIST α=100 | 98.01% | [96%, 99.5%] | **PASS** |
+
+### AC-2：统计一致性
+
+| AC | 条件 | 结果 | 判定 |
+|:---|:-----|:-----|:-----|
+| AC-2-1 | α 维度单调性 — CIFAR-10 | 74.47% > 73.09% > 55.47% ✓ | **PASS** |
+| AC-2-1 | α 维度单调性 — MNIST | 98.01% < 98.05% — α=100 与 α=0.5 差异仅 0.04pp | **WARN** |
+| AC-2-2 | 数据集维度单调性 | 三个 α 下 MNIST 均 > CIFAR-10 | **PASS** |
+| AC-2-3 | 种子方差 — CIFAR-10 α≥0.5 | 0.33pp, 0.29pp (< 3pp) | **PASS** |
+| AC-2-3 | 种子方差 — MNIST 全部 | 0.13pp, 0.27pp, 0.13pp (< 2pp) | **PASS** |
+| AC-2-4 | 收敛性 — CIFAR-10 α≥0.5 | last10 std ≤ 0.22pp (< 1pp) | **PASS** |
+| AC-2-4 | 收敛性 — MNIST 全部 | last10 std ≤ 0.08pp (< 1pp) | **PASS** |
+| AC-2-4 | 收敛性 — CIFAR-10 α=0.1 | last10 std = 1.59–6.50pp | **WARN** |
+
+### AC-3：NaN 检查
+
+| 条件 | 结果 | 判定 |
+|:-----|:-----|:-----|
+| CIFAR-10 全部 15 组 | 0/15 NaN | **PASS** |
+| MNIST 全部 15 组 | 0/15 NaN | **PASS** |
+
+---
+
+## §4 AC 判定汇总
+
+| 类别 | PASS | WARN | FAIL |
+|:-----|:----:|:----:|:----:|
+| AC-0 工程健康度 | 3 | 0 | 0 |
+| AC-1 精度范围 | 6 | 0 | 0 |
+| AC-2 统计一致性 | 6 | 2 | 0 |
+| AC-3 NaN | 2 | 0 | 0 |
+| **总计** | **17** | **2** | **0** |
+
+**总判定：PASS（附 2 条 WARN）**
+
+### WARN 说明
+
+**WARN-1：AC-2-1 MNIST α 维度单调性**
+
+MNIST 三个 α 的 mean 分别为 97.95%（α=0.1）、98.05%（α=0.5）、98.01%（α=100），α=100 与 α=0.5 之间出现 0.04pp 反转。这**不是实验缺陷**：MNIST+LeNet-5 是过于简单的任务组合，不同 α 的精度差异本身仅在 0.1pp 量级，已被种子方差（0.13–0.27pp）淹没。FLTrust 论文 N=100 的 MNIST 精度为 95–96%（不同 α 下几乎无差异），进一步印证了这一点。
+
+**WARN-2：AC-2-4 CIFAR-10 α=0.1 收敛性**
+
+5 个 seed 的 last-10-round std 为 1.59–6.50pp，超过 1pp 阈值。这是 extreme non-IID（α=0.1）+ 恒定 lr=0.01 下的 **client drift 振荡**，属于已知的结构性现象（N=10 基线在同条件下也未完全收敛，slope=+0.13pp/round）。设计文档 §4 AC-3 已预判此风险：无攻击基线下 α=0.1 允许 ≤1/5 seeds NaN 为 WARN 级，实测 0/5 NaN 反而好于预期。
+
+---
+
+## §5 N=10 → N=50 精度衰退对照
+
+| 数据集 | α | N=10 mean | N=50 mean | Δ (pp) | 预期方向 | 判定 |
+|:-------|:--:|:----------|:----------|:-------|:---------|:-----|
+| CIFAR-10 | 0.1 | 56.43% | 55.47% | −0.96 | 下降 0–15pp | ✓ 符合 |
+| CIFAR-10 | 0.5 | 78.75% | 73.09% | −5.66 | 下降 3–8pp | ✓ 符合 |
+| CIFAR-10 | 100 | 81.71% | 74.47% | −7.24 | 下降 1–5pp | ⚠ 略超预期 |
+| MNIST | 0.1 | 97.55% | 97.95% | +0.40 | 下降 0–5pp | ✓ 无衰退 |
+| MNIST | 0.5 | 98.66% | 98.05% | −0.61 | 下降 0–3pp | ✓ 符合 |
+| MNIST | 100 | 99.04% | 98.01% | −1.03 | 下降 0–2pp | ⚠ 略超预期 |
+
+**分析**：
+
+- **CIFAR-10 α=0.1**：N=50 衰退仅 −0.96pp，远好于预期上界 −15pp。α=0.1 的高方差（7.94pp）使得这一差异在统计误差范围内。
+- **CIFAR-10 α=100**：衰退 −7.24pp 略超预期的 −5pp 上界。但注意 N=10 基线仅 3 seeds（std=0.38%），N=50 为 5 seeds（std=0.29%），两者的置信区间有重叠。衰退主因是每客户端数据从 5000 降至 1000，ResNet-18 对数据量更敏感。
+- **MNIST**：α=0.1 下 N=50 反而**高于** N=10（+0.40pp），原因是 N=10 基线仅 T=50，而 N=50 基线 T=100（训练充分 2×）。α=100 衰退 −1.03pp 略超预期的 −2pp 上界但仍在合理范围（MNIST 精度空间已接近天花板）。
+
+整体结论：N=10→N=50 的精度衰退符合数据稀释效应的预期方向和量级。
+
+---
+
+## §6 社区锚点对照
+
+| 社区论文 | 数据集 | N | T | 报告的 FedAvg Acc | 我们的 N=50 T=100 结果 | 可比性说明 |
+|:---------|:-------|:--:|:--:|:----------|:-----|:-----|
+| FLAD (Tang 2025) | CIFAR-10 | 50 | 20 | 64.8% (q=0.5) | 73.09% (α=0.5) | 我们 T=100 训练更充分 → +8pp 合理 |
+| FLAD | CIFAR-10 | 50 | 20 | 68.8% (q≈IID) | 74.47% (α=100) | 同上 → +6pp 合理 |
+| Fang 2025 | CIFAR-10 ResNet-18 | 100 | 1000 | 78% | 74.47% (α=100) | 我们 N=50 数据更稀疏 → −3.5pp 合理 |
+| FLTrust | CIFAR-10 ResNet-20 | 100 | 1500 | 84% | 74.47% (α=100) | 不同模型(ResNet-20 vs 18)，不直接可比 |
+| FLAD | MNIST | 50 | 20 | 94.9% (q=0.8) | 97.95% (α=0.1) | 我们 T=100 训练更充分 → +3pp 合理 |
+| FLTrust | MNIST | 100 | 2000 | 96% | 98.01% (α=100) | 我们模型更简单(LeNet-5)，T 等效训练量相当 |
+
+**结论**：全部 6 个数据集×α 组合的结果均在社区报告值的合理偏差范围内，无异常值。
+
+---
+
+## §7 收敛性分析
+
+### 收敛状态汇总
+
+| 数据集 | α | last-10 mean | last-10 std | 趋势 (后10轮 vs 前10轮) | 判定 |
+|:-------|:--:|:------------|:------------|:-----------------------|:-----|
+| CIFAR-10 | 0.1 | 54.82% | 1.59–6.50% | −3.03 ~ +3.79pp | 未充分收敛（client drift） |
+| CIFAR-10 | 0.5 | 73.12% | 0.11–0.22% | −0.15 ~ +0.19pp | ✅ 完全收敛 |
+| CIFAR-10 | 100 | 74.45% | 0.08–0.14% | −0.21 ~ −0.10pp | ✅ 完全收敛 |
+| MNIST | 0.1 | 97.92% | 0.03–0.08% | +0.10 ~ +0.16pp | ✅ 完全收敛 |
+| MNIST | 0.5 | 97.97% | 0.04–0.06% | +0.11 ~ +0.18pp | ✅ 完全收敛（极微上升趋势） |
+| MNIST | 100 | 97.97% | 0.03–0.08% | +0.12 ~ +0.23pp | ✅ 完全收敛（极微上升趋势） |
+
+CIFAR-10 α=0.1 的非完全收敛是 extreme non-IID 下的固有特性。N=10 基线在同条件下也存在相同问题（last-10 std=3.87pp），保持 T=100 确保了 N=10→N=50 对照的公平性。
+
+---
+
+## §8 论文 Table 1 推荐数据
+
+建议在论文中使用 **last-20-round mean ± seed std** 作为报告值，以减轻 α=0.1 的末期振荡对 final-round 单点值的影响：
+
+### CIFAR-10 + ResNet-18 (N=50)
+
+| 条件 | Final-round mean ± std | Last-20 mean ± std | 推荐用值 |
+|:-----|:----------------------|:-------------------|:---------|
+| α=0.1 | 55.47% ± 7.94% | 54.82% ± 5.02% | 54.8 ± 5.0 |
+| α=0.5 | 73.09% ± 0.33% | 73.12% ± 0.31% | 73.1 ± 0.3 |
+| α=100 | 74.47% ± 0.29% | 74.45% ± 0.20% | 74.5 ± 0.3 |
+
+### MNIST + LeNet-5 (N=50)
+
+| 条件 | Final-round mean ± std | Last-20 mean ± std | 推荐用值 |
+|:-----|:----------------------|:-------------------|:---------|
+| α=0.1 | 97.95% ± 0.13% | 97.92% ± 0.12% | 97.9 ± 0.1 |
+| α=0.5 | 98.05% ± 0.27% | 97.97% ± 0.27% | 98.0 ± 0.3 |
+| α=100 | 98.01% ± 0.13% | 97.97% ± 0.14% | 98.0 ± 0.1 |
+
+---
+
+## §9 后续消费方更新
+
+基于本实验结果，防御基线 AC-C-3 精度范围更新为：
+
+| 数据集 | α | FedAvg mean | AC-C-3 新区间 [mean−15pp, mean+5pp] |
+|:-------|:--:|:-----------|:------------------------------------|
+| CIFAR-10 | 0.1 | 55.47% | [40.5%, 60.5%] |
+| CIFAR-10 | 0.5 | 73.09% | [58.1%, 78.1%] |
+| CIFAR-10 | 100 | 74.47% | [59.5%, 79.5%] |
+| MNIST | 0.1 | 97.95% | [83.0%, 100%] |
+| MNIST | 0.5 | 98.05% | [83.1%, 100%] |
+| MNIST | 100 | 98.01% | [83.0%, 100%] |
+
+---
+
+## §10 执行日志
+
+### 完成时间线
+
+| 实验 TAG | 耗时 | 完成时间 |
+|:---------|:-----|:---------|
+| c10_baseline_a0.1_s0 | 1061s | 2026-04-11 00:13 |
+| c10_baseline_a0.1_s1 | 1030s | 00:30 |
+| c10_baseline_a0.1_s2 | 1068s | 00:48 |
+| c10_baseline_a0.1_s3 | 989s | 01:05 |
+| c10_baseline_a0.1_s4 | 1021s | 01:22 |
+| c10_baseline_a0.5_s0 | 1026s | 01:39 |
+| c10_baseline_a0.5_s1 | 1032s | 01:56 |
+| c10_baseline_a0.5_s2 | 982s | 02:12 |
+| c10_baseline_a0.5_s3 | 974s | 02:28 |
+| c10_baseline_a0.5_s4 | 962s | 02:44 |
+| c10_baseline_a100_s0 | 965s | 03:01 |
+| c10_baseline_a100_s1 | 1018s | 03:18 |
+| c10_baseline_a100_s2 | 1012s | 03:34 |
+| c10_baseline_a100_s3 | 1040s | 03:52 |
+| c10_baseline_a100_s4 | 1015s | 04:09 |
+| mn_baseline_a0.1_s0 | 304s | 04:14 |
+| mn_baseline_a0.1_s1 | 315s | 04:19 |
+| mn_baseline_a0.1_s2 | 312s | 04:24 |
+| mn_baseline_a0.1_s3 | 313s | 04:29 |
+| mn_baseline_a0.1_s4 | 311s | 04:35 |
+| mn_baseline_a0.5_s0 | 273s | 04:39 |
+| mn_baseline_a0.5_s1 | 287s | 04:44 |
+| mn_baseline_a0.5_s2 | 274s | 04:48 |
+| mn_baseline_a0.5_s3 | 289s | 04:53 |
+| mn_baseline_a0.5_s4 | 282s | 04:58 |
+| mn_baseline_a100_s0 | 259s | 05:02 |
+| mn_baseline_a100_s1 | 265s | 05:07 |
+| mn_baseline_a100_s2 | 260s | 05:11 |
+| mn_baseline_a100_s3 | 267s | 05:15 |
+| mn_baseline_a100_s4 | 264s | 05:20 |
+
+### 产出文件清单
+
+- JSONL 指标文件：30 个（`doc_fedavg/n50_results/metrics/metrics_*_shieldfl_atknone_defnone_*_gauto_seed*.jsonl`）
+- YAML 配置快照：30 个（`doc_fedavg/n50_results/configs/config_*_shieldfl_atknone_defnone_*.yaml`）
+- 结果归档说明：`doc_fedavg/n50_results/README.md`
+- 分析脚本：`doc_fedavg/tools/analyze_baseline.py`
+- 批量执行脚本：`python/examples/federate/prebuilt_jobs/shieldfl/scripts/batch_baseline_n50.sh`
+
+说明：运行期 `batch_logs/`、`done.txt` 等过程文件未作为最终学术交付物纳入仓库归档；本次入库仅保留可复核的原始 metrics / configs、说明文档与复盘脚本。

doc_fedavg/README.md

@@ -0,0 +1,29 @@
+# N=50 FedAvg Baseline Archive
+
+本目录是对 PR `#2263`（`Exp/n50 fedavg baseline 20260411`）的整理入库版本，只保留 **N=50 FedAvg 无攻击基线** 的可复现实验资产。
+
+## 内容概览
+
+- `27_[2026-04-11]_N50_FedAvg_无攻击基线实验设计.md`：实验设计与验收标准归档版。
+- `28_[2026-04-12]_N50_FedAvg_实验结果与验收归档说明.md`：结果汇总、验收结论与对照分析。
+- `n50_results/`：30 组实验的原始 metrics / configs 快照。
+- `tools/analyze_baseline.py`：用于复盘统计与 AC 检查的离线分析脚本。
+- `../python/examples/federate/prebuilt_jobs/shieldfl/scripts/batch_baseline_n50.sh`：批量执行脚本。
+
+## 整理原则
+
+- 排除 PR 中与本次基线无关的临时草稿、过程记录和工作台文件。
+- 保留完整的 `2 数据集 × 3 α × 5 seeds = 30` 组实验矩阵。
+- 原始文件名保持不变，以便与报告、脚本和历史运行结果逐项对照。
+
+## 命名说明
+
+- 原始 JSONL / YAML 文件名沿用现有实验管线的 `shieldfl` 命名；在这批实验里，它表示由 ShieldFL 实验框架产出的 **no-attack / no-defense 基线记录**，并不表示额外启用了某种防御。
+- 指标文件中的 `gauto` 后缀也保留原样；由于本实验 `attack=none`，文件内 `gamma_actual` 为 `null`，该后缀仅用于保持与 PR 原始资产一致。
+- `config_ResNet18_cifar10_shieldfl_atknone_defnone_a0.5_pmr0.0_seed0.yaml` 在 `master` 上已存在，因此未出现在 PR diff 中；本次归档时已将其补齐，以完整覆盖 30 组矩阵。
+
+## 关联路径
+
+- 原始执行脚本：`python/examples/federate/prebuilt_jobs/shieldfl/scripts/batch_baseline_n50.sh`
+- 原始运行结果根目录：`python/examples/federate/prebuilt_jobs/shieldfl/results/`
+- 原始 PR 分支：`YKDZ/FedML:exp/n50-fedavg-baseline-20260411`

doc_fedavg/n50_results/README.md

@@ -0,0 +1,31 @@
+# N=50 FedAvg Baseline Results Archive
+
+本目录存放从 PR `#2263` 整理入库的 **N=50 FedAvg 无攻击基线** 原始结果快照。
+
+## 来源
+
+- 来源 PR：`#2263 Exp/n50 fedavg baseline 20260411`
+- 来源分支：`YKDZ/FedML:exp/n50-fedavg-baseline-20260411`
+- 整理日期：`2026-04-12`
+- 原始结果根目录：`python/examples/federate/prebuilt_jobs/shieldfl/results/`
+- 完整性校验：
+  - `30/30` 个 metrics 文件齐全
+  - 每个 metrics 文件均为 `100` 行，末轮 `round=99`
+  - `30/30` 个 configs 文件齐全
+
+## 目录说明
+
+- `metrics/`：30 个原始 JSONL 指标文件，对应 30 组 baseline run。
+- `configs/`：30 个 YAML 配置快照，用于参数审计与可复现性核对。
+
+## 使用注意
+
+- 文件名保留原始 `shieldfl` / `gauto` 命名，以维持与报告、脚本和 PR 证据链的一致性。
+- 本归档只保留最终需要复核的原始 metrics / configs；运行期 `batch_logs/`、`done.txt` 等过程文件未纳入仓库。
+- `config_ResNet18_cifar10_shieldfl_atknone_defnone_a0.5_pmr0.0_seed0.yaml` 来自主分支现有文件，用于补齐完整的 30 组实验矩阵；其余 29 个 config 和 30 个 metrics 来自 PR 分支。
+
+## 关联文档
+
+- `doc_fedavg/27_[2026-04-11]_N50_FedAvg_无攻击基线实验设计.md`
+- `doc_fedavg/28_[2026-04-12]_N50_FedAvg_实验结果与验收归档说明.md`
+- `doc_fedavg/tools/analyze_baseline.py`

doc_fedavg/n50_results/configs/config_LeNet5_mnist_shieldfl_atknone_defnone_a0.1_pmr0.0_seed0.yaml

@@ -0,0 +1,75 @@
+common_args:
+  training_type: "cross_silo"
+  random_seed: 0
+
+data_args:
+  dataset: "mnist"
+  data_cache_dir: ./data
+  partition_method: "hetero"
+  partition_alpha: 0.1
+  val_per_class: 50
+  trust_per_class: 50
+  max_samples_per_client: 0
+  test_subset_size: 0
+  num_workers: 0
+
+model_args:
+  model: "LeNet5"
+
+train_args:
+  federated_optimizer: "FedAvg"
+  client_id_list:
+  client_num_in_total: 50
+  client_num_per_round: 50
+  comm_round: 100
+  epochs: 1
+  batch_size: 64
+  client_optimizer: sgd
+  learning_rate: 0.01
+  weight_decay: 0.0
+  momentum: 0.9
+  server_momentum: 0.0
+  server_lr: 1.0
+  pop_size: 15
+  generations: 10
+  lambda_reg: 0.01
+  cpu_transfer: true
+  enable_attack: false
+  attack_type: "none"
+  byzantine_client_num: 0
+  enable_defense: false
+  defense_type: "none"
+  beta: 0.2
+  eval_asr: false
+  target_label: 0
+  trigger_size: 3
+  trigger_value: 1.0
+  original_class_list: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
+  target_class_list: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
+  ratio_of_poisoned_client: 0.0
+
+
+validation_args:
+  frequency_of_the_test: 1
+
+device_args:
+  worker_num: 50
+  using_gpu: true
+  gpu_mapping_file: config/gpu_mapping.yaml
+  gpu_mapping_key: mapping_50clients_isolated
+
+comm_args:
+  backend: "MPI"
+  is_mobile: 0
+
+tracking_args:
+  log_file_dir: ./log
+  enable_wandb: false
+  using_mlops: false
+
+shieldfl_args:
+  runtime_mode: "single-gpu-deterministic"
+  enforce_determinism: true
+  sort_client_updates: true
+  aggregator_type: "shieldfl"
+  metrics_output_dir: "./results"