AAAIDec, 2023
多维公平联邦学习
Multi-dimensional Fair Federated Learning
Cong Su, Guoxian Yu, Jun Wang, Hui Li, Qingzhong Li...
TL;DR我们提出了一种名为 mFairFL 的方法,通过使用差分乘数构建优化目标,同时实现组公平和客户公平,以解决在隐私不受损失的情况下训练公平的 FL 模型的问题。理论分析证明 mFairFL 有助于模型的公平性,并且基于三个基准数据集的实验评估显示 mFairFL 相对于七个最先进的基准模型具有显著优势。