BriefGPT - AI 论文速递
·
FedSAC：联邦学习中协同公平的动态子模型分配
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种名为联邦子模型学习的新的联邦学习框架，该框架允许客户端只下载所需的模型部分并上传更新，同时采用安全联邦子模型学习方案来保护客户的隐私数据。通过验证电子商务推荐方案，证明了该方案的可行性和优越性。
🎯
关键要点
- 提出了一种新的联邦学习框架，名为联邦子模型学习。
- 该框架允许客户端只下载所需的模型部分（子模型）并上传更新。
- 采用私有集合联合协议作为安全联邦子模型学习方案的基础。
- 通过随机响应、安全聚合和 Bloom 过滤器等技术保护客户隐私数据。
- 以电子商务推荐方案为例，验证了该方案的可行性和优越性。
🏷️
标签
➡️
