Jul, 2023
FedDRL:一个基于阶段强化学习的可信联邦学习模型融合方法
FedDRL: A Trustworthy Federated Learning Model Fusion Method Based on Staged Reinforcement Learning
Leiming Chen, Cihao Dong, Sibo Qiao, Ziling Huang, Kai Wang...
TL;DR我们提出 FedDRL, 一种基于强化学习的两阶段模型融合方法,通过筛选恶意模型和选择可信的客户模型参与模型融合,并自适应调整可信客户模型的权重,实现最优全局模型的聚合,与两个基准算法相比,在五个模型融合场景中,我们的算法具有更高的可靠性,同时保持准确度。