cross-silo federated learning | BriefGPT

关键词cross-silo federated learning

搜索结果 - 9

FedMLP：面向任务异质性的联邦多标签医学图像分类
在多标签联邦学习中，考虑到任务异质性，本文提出了 FedMLP 方法，通过伪标签标记和全局知识学习两个方面来解决标签缺失问题，并在两个公开的医学数据集上验证了其优越性。
PDF9 days ago
隐私敏感领域中联合学习的互惠证明
通过实现隐私保障和最终模型准确性之间的平衡，本文研究了何时以及如何设计一种对所有参与者都有利的联邦学习协议，并给出了在均值估计和凸随机优化等背景下存在互惠协议的必要和充分条件。此外，本文还设计了最大化最终模型准确性的协议，并通过合成实验验证
PDF4 months ago
MM朝着更可持续的企业数据和应用管理：跨边界联邦学习和分析
通过在全球范围内部署跨领域联邦学习来遵守新的法律要求和隐私保护政策，越来越多的公司开始实施此方法。该研究分析了跨领域联邦学习的可持续性，并提出了一种综合性的定量成本与二氧化碳排放估计方法。同时，提出了一个使用跨领域联邦学习和分析的数据与应用
PDF6 months ago
FedSoup: 通过选择性模型插值提高联邦学习中的泛化性和个性化
通过选择性插值模型参数的联邦模型汤方法，优化本地和全局性能之间的平衡，以减轻过拟合并改善模型的泛化性能。
PDFa year ago
ICML联邦学习中安全聚合的样本重新 ATTRIBUTION 攻击（SRATTA）
在跨部门的联邦学习模式中使用 SRATTA 攻击方法能容易地使数据被泄露并对模型安全形成威胁，而为了保证隐私，我们需要采取一些积极的防御措施。
PDFa year ago
跨场所联邦学习的自适应激励：多智能体强化学习方法
提出一种基于多智能体强化学习的新颖机制来优化跨领域联邦学习的激励机制，从历史潜在博弈中学习最优的数据贡献策略，以有效改进组织的长期收益。
PDFa year ago
关于跨资源联邦学习中的隐私和个性化
本研究探讨了分布式学习中的隐私保护问题，在特定的跨场景环境下，提出了基于局部数据交叉学习的个性化学习框架，并给出了实验证明其在隐私保护和数据异质性之间的平衡效果。
PDF2 years ago
联邦学习中的主题成员推断攻击
针对跨机构联合学习过程中不同主体数据隐私的问题，本文提出了面向受试者隐私的黑盒攻击方法，并探索了差分隐私在此问题中的应用。
PDF2 years ago
CVPR跨机构联合学习中医疗图像分割通用化缺口的解决
本研究提出了 FedSM 框架，以避免客户端漂移问题并成功解决中心化训练的泛化差距，为医学图像分割任务提供了一种新方法。同时，提出了个性化的联邦学习目标制定和新方法 SoftPull 来解决它。在深度联邦学习的现实医学图像分割实验中验证了我
PDF2 years ago