フェデレーティッドラーニング（FL）は、参加者がデータのプライバシーを保ちながらグローバルモデルを構築するために協力する分散トレーニング手法です。しかし、プライバシーを確保するための提案は、トレーニング結果を損なうことを狙う攻撃者からの保護を困難にします。この記事では、迅速かつプライベートで保護された（FPP）という新しいアプローチを提案し、フェデレーティッドトレーニングを安全に保ちながらデータプライバシーを守るための安全な集約を実現します。FPPは、参加者の評価を用いてトレーニングラウンドを評価し、攻撃後のトレーニングの回復を可能にし、攻撃者の参加を軽減するためのレピュテーションベースのメカニズムも採用しています。実験では、FPPが迅速な収束率を達成し、悪意のある参加者が存在する中でも収束できることが示されました。