Mar, 2025
从集中式到去中心化的联邦学习:理论洞察、隐私保护和鲁棒性挑战
From Centralized to Decentralized Federated Learning: Theoretical
Insights, Privacy Preservation, and Robustness Challenges
TL;DR该研究探讨了联邦学习中集中式与去中心化的根本区别,不仅在于网络拓扑,而在于基础训练协议的不同。本研究首次系统性地评估并分类了现有的集中式和去中心化联邦学习工作,并指出了文献中的关键空白,特别是在基于分布式优化方法的去中心化联邦学习的潜力未被充分探索。这项工作为联邦学习领域提供了新的视角和未来研究方向。