应对人口差异和数据不平衡的公平联邦学习

BriefGPT - AI 论文速递 · 2025-05-14T00:00:00Z

本研究提出了FedIDA框架，以解决医疗领域人工智能中的公平性问题。该框架结合公平性感知正则化与组条件超采样，提升了多敏感属性下的公平性，同时保持了联邦学习的收敛性。实证结果表明，FedIDA在竞争性预测性能的同时显著提高了模型的公平性。