BriefGPT - AI 论文速递
·
Celtibero: 针对联邦学习的强健层次聚合
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
提出了一种基于安全聚合协议的强韧联邦学习框架（RFLPA），通过计算本地更新和服务器更新之间的余弦相似度来进行鲁棒聚合。利用可验证的打包Shamir秘密共享降低通信成本，设计点积聚合算法解决信息泄露问题。实验结果显示，RFLPA在保持准确性的同时减少了75％以上的通信和计算开销。
🎯
关键要点
- 提出了一种基于安全聚合协议的强韧联邦学习框架（RFLPA）。
- RFLPA通过计算本地更新和服务器更新之间的余弦相似度进行鲁棒聚合。
- 利用可验证的打包Shamir秘密共享降低每个用户的通信成本为O（M + N）。
- 设计了一种新颖的点积聚合算法以解决信息泄露问题。
- 实验结果显示，RFLPA在保持准确性的同时减少了75％以上的通信和计算开销。
➡️
