基于知识重播的分割式联邦学习应对灾难性遗忘

提出了一种名为 KoReA-SFL 的新型 Split Federated Learning 方法，通过多模型聚合机制减轻因异构数据引起的梯度发散，并采用知识重放策略解决灾难性遗忘问题。KoReA-SFL 在云服务器中维护多个分支模型部分，用于局部训练和分支部分之间的知识共享，在非独立同分布和独立同分布的情况下实验结果表明，KoReA-SFL 相较于传统的 SFL 方法具有显著的测试准确率提升（最高提升 23.25%）。