降低信息泄漏和计算的联邦学习
原文中文，约200字，阅读约需1分钟。发表于：。Upcycled-FL 是一种新颖的联邦学习框架，应用在每个偶数迭代中的一阶逼近，以在保持隐私的同时提高隐私 - 准确性平衡，并通过引入扰动机制来保护隐私。实验表明，Upcycled-FL 在异构数据上持续优于现有方法，并且平均减少 48％的训练时间。
Upcycled-FL是一种新的联邦学习框架，通过在每个偶数迭代中的一阶逼近来提高隐私-准确性平衡，并引入扰动机制来保护隐私。实验表明，Upcycled-FL在异构数据上持续优于现有方法，并且平均减少48％的训练时间。
