BriefGPT - AI 论文速递
·
基于同态加密的联邦学习中的类不平衡策略研究
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出FLICKER框架，旨在解决联邦学习中的类不平衡问题。通过CKKS同态加密保护隐私，促进客户端共享数据属性，从而提升模型准确性。实验结果表明，该方法显著提高了联邦学习的准确率。
🎯
关键要点
-
本研究提出FLICKER框架，旨在解决联邦学习中的类不平衡问题。
-
类不平衡问题可能导致模型偏差和泛化能力差。
-
FLICKER框架利用CKKS同态加密方案保护隐私。
-
该框架帮助客户端私密地共享数据属性并平衡数据集。
-
FLICKER框架显著提升了联邦学习的准确性。
-
实验结果表明，该方法在使用流行数据集和基准实验时显著提升了FL的准确率。
➡️
