分层个性化联邦学习框架

异构客户端协作建模

面向统计、隐私、模型与质量四重异构场景,采用分层组件与差异化聚合策略,实现可靠的多客户端联邦用户建模。

刘淇 · Wu, Jinze · 黄振亚 · 王皓 · Yuting, Ning · Ming, Chen · 陈恩红 · Yi, Jinfeng · Zhou, Bowen

ACM Transactions on Information Systems 2023

技术优势

同时处理四重异构

通过分层组件设计,将隐私程度不同的信息分离,并利用差异化聚合策略灵活组合异质模型,从而在统一框架内解决统计、隐私、模型和质量异构。

过滤低质量信息

引入增强机制(SVD或自编码器)过滤噪声、稀疏和冗余信息,从而增强高质量信息,提高用户模型可靠性。

保护个性化隐私

客户端通过携带分层信息的层次组件参与协作,仅在服务器共享必要组件,从而在利用公共信息的同时保护私有信息。

应用场景