READ-2325 Advances and Open Problems in Federated Learning

READ-2326 Advances and Open Problems in Federated Learning

论文名称	Advances and Open Problems in Federated Learning
作者	Peter Kairouz
来源	Foundations and Trends in Machine Learning
领域	Machine Learning – Federal learning
问题	联邦学习综述
方法	-
创新	-

---

Chap1 Introduction

本章节主要介绍了联邦学习的应用场景、与分布式学习的区别、生命周期、一般训练过程以及实验注意事项。

Chap2 Relaxing the Core FL Assumptions: Applications to Emerging Settings and Scenarios

本章节分别介绍了完全分布式学习、cross-silo的联邦学习以及拆分学习的应用场景以及各自的挑战、三者之间的区别。

Chap 3 Improving Effificiency and Effectiveness

本章节主要讲述了联邦学习非独立同分布数据的问题、优化方法以及实验中的经验技巧。

Chap4 Preserving the Privacy of User Data

本章节描述了用户数据的隐私保护问题，主要包括两方面——原始数据的隐私保护和数据计算可信度问题，同时，文章也提出了保护用户数据的方法。

Chap5 Defending Against Attacks and Failure

本章节主要介绍了模型稳健性问题，描述了恶意攻击和非恶意攻击以及它们的防御方式。

Chap6 Ensuring Fairness and Addressing Sources of Bias

本章节主要讨论了公平性问题，着重介绍了导致不公平的因素以及解决方案。

Chap7 Addressing System Challenges

本章节主要介绍了系统设备以及搭建框架给联邦学习带来的挑战。

Chap8 Concluding Remarks

本章节主要对文章总体内容进行了总结，并提供了FL中常用数据集以及框架。

---