主动-被动联邦学习用于垂直分区的多视角数据

本研究解决了垂直联邦学习中模型推理时各客户端合作不可预测的问题，尤其是在客户属于不同组织的情况下。提出的主动-被动联邦学习（APFed）框架允许主动客户独立进行推理，而被动客户作为辅助，极大提高了模型的灵活性和有效性。实验结果验证了这一新方法在多个分类任务中的有效性，具有重要的实际应用潜力。