.png){kind=icon}
返回
AFBS: buffer gradient selection in semi-asynchronous federated learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.114632.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出AFBS，首个在半异步联邦学习缓冲区执行梯度选择的算法。通过消除缓冲区中的低价值陈旧梯度，它显著提高了最终准确率和训练速度。此外，参与聚合的梯度数量减少降低了昂贵的梯度求和运算，大幅降低了服务器端的计算成本。
• 我们提出了一种新型加密算法。首先，通过添加高斯噪声将客户端的数据分布转换为一个满秩矩阵，随后利用随机投影进行信息加密。该方法也可应用于其他需要矩阵加密的场景。
• 我们采用严谨的数学理论证明了所提方法的收敛性及加密方法的有效性。此外，通过大量实验展示了所提方法的优越性。
