BM-FL 平衡权重策略

多客户端数据倾斜

一种用于多阶段联邦学习的平衡权重策略，结合差分隐私和生成对抗网络，在非独立同分布和不平衡数据下实现高精度分类。

Lixiang, Yuan · Duan, Mingxing · 肖国庆 · 唐卓 · 李肯立

IEEE Transactions on Knowledge and Data Engineering 2024

技术优势

类别不平衡缓解

引入新型生成对抗网络 BC-GAN，生成真实假样本以维持不同类别样本比例的平衡。

训练效率提升

与相关经典算法相比，能够以更少的训练轮次达到更高的分类精度。

应用场景

• 联邦学习：多客户端数据倾斜时，用平衡权重策略维持模型精度
• 隐私保护机器学习：用改进的拉普拉斯机制在共享模型时保护隐私
• 分布式系统：通过客户端、可信中间服务器和中央服务器分层协作处理数据
• 数据分析：在不平衡数据上生成高质量合成样本以支持分析