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。
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

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。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值