BriefGPT - AI 论文速递 · 2025-04-17T00:00:00Z

针对不诚实客户的联邦学习本地数据量感知加权平均

📝

内容提要

本研究提出了一种新的联邦数据量感知加权平均方法(FedDua)，旨在解决不诚实客户因报告不准数据量而导致的模型偏差问题。实验结果显示，FedDua在数据量声明不准确的情况下，全球模型性能平均提升3.17%。

🏷️

标签

FedDua 性能提升 数据量感知 模型偏差 联邦学习