BriefGPT - AI 论文速递
·
联邦学习中的偏差传播
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
联邦学习可能对群体公平性产生不利影响，偏见通过网络传播给参与方。与集中式训练相比，联邦学习中的偏见更严重，呼吁审计群体公平性并设计对偏见传播具有强韧性的学习算法。
🎯
关键要点
- 联邦学习可能对群体公平性产生不利影响。
- 偏见通过网络传播给所有参与方。
- 有偏见的参与方在训练过程中会在模型参数中编码其偏见。
- 联邦学习中的偏见比集中式训练更严重。
- 偏见源于算法。
- 呼吁在联邦学习中审计群体公平性。
- 需要设计对偏见传播具有强韧性的学习算法。
➡️
