Lancelot 框架是由香港中文大学 AIoT 实验室、重庆大学、香港城市大学等高校机构的研究团队于 2025 年 9 月联合提出的，相关研究成果发表于论文「Towards compute-efficient Byzantine-robust federated learning with fully homomorphic encryption」。

Lancelot 是一个用于在全同态加密（FHE）下进行隐私保护拜占庭鲁棒联邦学习（BRFL）的计算高效框架。具体而言，研究人员提出了一种新颖的交互式联邦学习范式，用于机构间的去中心化协作，能够在不牺牲数据隐私和计算效率的情况下训练高性能和鲁棒的模型。 Lancelot 结合了算法增强和硬件加速，涵盖了成对密文乘法策略、多项式矩阵乘法和复杂运算加法的优化。