解决联邦学习中的拜占庭客户端

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文研究了非结构化和基于强凸全局目标的联邦学习中,面向恶意客户端不可用性问题的简单算法。通过实验证明了简单的FedAvg或FedProx算法在不考虑该问题的情况下,能够达到最小化的估计误差并具有收敛速度。

🎯

关键要点

  • 研究了非结构化和基于强凸全局目标的联邦学习中的恶意客户端不可用性问题。
  • 发现简单的FedAvg或FedProx算法在不考虑恶意客户端问题时,能够最小化估计误差。
  • 这些算法具有良好的收敛速度。
  • 通过合成和真实世界数据集的数值实验验证了理论分析的正确性。
🏷️

标签

➡️

继续阅读