会员服务
联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
Optimal Hydra: Model Heterogeneous Federated Learning for LLMs using Data-Informed Hydra-Nets
Arxiv
0+阅读 · 10月14日
AirPASS: Over-the-Air Federated Learning via Pinching Antenna Systems
Arxiv
0+阅读 · 10月14日
NOMAI: Scalable Federated Learning with Private Weights
Arxiv
0+阅读 · 10月15日
Local Epochs as Optimal Stopping: Theory and Evidence in Federated Learning
Arxiv
0+阅读 · 10月15日
A Byzantine-Robust Federated Learning with Nesterov Momentum
Arxiv
0+阅读 · 10月14日
A Large-Dimensional Analysis of Least-Squares Federated Learning via Generalized Total Variation Minimization
Arxiv
0+阅读 · 10月14日
FUSE: Fairness-aware Update Screening against Byzantine Exploitation in $q$-Fair Federated Learning
Arxiv
0+阅读 · 10月14日
Incentivize Contribution and Learn Parameters Too: Federated Learning with Strategic Data Owners
Arxiv
0+阅读 · 10月14日
A Nesterov-Accelerated Byzantine-Robust Federated Learning
Arxiv
0+阅读 · 10月13日
Learning to Sync at the Edge: Client-Side Adaptive Synchronization for Federated Learning
Arxiv
0+阅读 · 10月9日
Enhanced Detective: A Dual-Stage Proactive Defense Against Internal Poisoning Attacks in Financial Fraud Detection Using Federated Learning
Arxiv
0+阅读 · 10月13日
FractalNet-Based Heterogeneous Federated Learning for Orbital Edge Intelligence in Satellite Mega-Constellations: A Wildfire Case Study
Arxiv
0+阅读 · 10月11日
FLAI Protocol: Decentralized Federated Learning with On-Chain Rewards and sPEG-Based Contribution Scoring
Arxiv
0+阅读 · 10月13日
Protocol Choices Matter More Than the Aggregation Algorithm: Federated Learning for In-Hospital Mortality Prediction in Care-Unit and Multi-Hospital Federations
Arxiv
0+阅读 · 10月12日
Embedding Asymmetry as Attack Signal: Detecting and Defending Active Label Inference in Vertical Federated Learning
Arxiv
0+阅读 · 10月9日
参考链接
微信扫码咨询专知VIP会员
Top