论文翻译
文章平均质量分 93
虫本初阳
这个作者很懒,什么都没留下…
展开
-
【论文翻译】AFLGuard: Byzantine-robust Asynchronous Federated Learning
联邦学习(FL)是一种新兴的机器学习范式,在这种范式中,客户端在云服务器的帮助下共同学习模型。联邦学习的一个基本挑战是客户端通常是异构的,例如,它们具有不同的计算能力,因此客户端可能以不同的延迟向服务器发送模型更新。异步联邦学习旨在通过使服务器在接收到任何客户端的模型更新后立即更新模型,而无需等待其他客户端的模型更新来解决这个挑战。然而,与同步联邦学习一样,异步联邦学习也容易受到污染攻击,恶意客户端通过污染本地数据和/或发送给服务器的模型更新来操纵模型。拜占庭鲁棒的联邦学习旨在抵御污染攻击。原创 2024-09-24 15:12:45 · 674 阅读 · 0 评论 -
【论文翻译】Privacy-Preserving Asynchronous Grouped Federated Learning for IoT
联邦学习(FL)是一种协作式分布式学习框架,已广泛应用于各种智能物联网(IoT)应用中(例如,智能医疗、智能家居和智能工业)。然而,在这些物联网应用中可能存在恶意设备,它们可能推测其他设备的隐私或破坏上传的模型参数。此外,由于物联网设备的异质性,现有的同步联邦学习难以通过非独立同分布(non-IID)的本地数据集有效训练模型。为了解决这些问题,我们提出了一种面向物联网的隐私保护异步分组联邦学习框架(PAG-FL),使多个设备和服务器能够在不泄露隐私的情况下协作高效地训练模型。翻译 2024-09-23 20:27:50 · 58 阅读 · 0 评论