样本稀缺仍可协作
一种面向垂直联邦学习的算法，在客户端本地利用未对齐样本的私有标签进行训练，从而构建更稳健的本地模型，提升协作效果。
Wei, Shen · 叶茫 · 虞为 · Yuen, Pongchi
IEEE Transactions on Mobile Computing 2025
直接利用客户端自有的私有标签在全部本地样本上训练，构建更稳健的本地模型，从而绕开了特征生成和伪标签估计引入的噪声。
显式最小化对齐样本与全局数据分布之间的差异，缓解因样本不对齐带来的分布偏差，从而提升协作学习效果。
实验结果表明 LEEF-VFL 在有限对齐样本下有效，适用于移动计算环境中的垂直联邦学习场景。