通过数据增强和摊销推理实现可扩展的垂直联邦学习
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
本文介绍了VFBL框架及其三种新算法VF-B2-SGD、SVRG和SAGA,实验证明这些算法在强凸和非凸条件下具有收敛速率的理论结果,并证明了VF-B2的安全性。
🎯
关键要点
- 提出了VFBL框架,整合新的向后更新机制和双层异步并行体系结构。
- 在VFBL框架下提出了三种新算法:VF-B2-SGD、SVRG和SAGA。
- 这三种算法在强凸和非凸条件下具有收敛速率的理论结果。
- 证明了VF-B2的安全性。
- 大量基准数据集上的实验表明算法具有高效性、可扩展性和无损失性。
➡️