Nov, 2021
ProxyFL:通过代理模型共享的去中心化联邦学习
ProxyFL: Decentralized Federated Learning through Proxy Model Sharing
Shivam Kalra, Junfeng Wen, Jesse C. Cresswell, Maksims Volkovs, Hamid R. Tizhoosh
TL;DR本文提出了 ProxyFL,即基于代理的联邦学习,作为一种通信高效、隐私性强,并且能够支持模型异构的去中心化联邦学习方案。基于代理的模型交换运用 PushSum 方法,能消除传统联邦学习的模型同构限制,并使用差分隐私分析得到更强的隐私保护。实验结果表明,ProxyFL 在通信开销上具有优势,并且隐私性更强。