BriefGPT - AI 论文速递
·
Research on Class Imbalance Strategies in Federated Learning Based on Homomorphic Encryption
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究探讨了联邦学习中的类不平衡问题，提出了FLICKER框架，利用CKKS同态加密方案帮助客户端私密共享数据属性，以平衡数据集并提高模型准确性。实验结果表明，该方法显著提升了联邦学习的准确率。
🎯
关键要点
-
本研究解决了联邦学习中训练数据集的类不平衡问题。
-
类不平衡可能导致模型偏差和泛化能力差。
-
提出了FLICKER框架，利用CKKS同态加密方案保护隐私。
-
FLICKER帮助客户端私密共享数据属性，以平衡数据集。
-
实验结果表明，该方法显著提升了联邦学习的准确率。
➡️
