BriefGPT - AI 论文速递
·
具有适应性数据异构性的拜占庭弹性联邦学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的联邦学习算法RAGA，能够在恶意攻击和数据异质性的情况下实现收敛。实验结果显示，RAGA在不同攻击强度和数据集下的收敛性能优于基准方法。
🎯
关键要点
- 该研究提出了一种新的联邦学习算法RAGA，旨在应对恶意攻击和数据异质性问题。
- RAGA算法利用几何中位数进行聚合，并允许自由选择局部更新的轮次。
- 研究分析了强凸和非凸损失函数的收敛性，证明了RAGA在恶意用户数据集比例小于一半的情况下仍能实现收敛。
- 随着数据异质性消失，RAGA可以达到稳定点或全局最优解。
- 实验结果表明，RAGA在不同强度的拜占庭攻击和异质数据集下的收敛性能优于基准方法。
➡️
