大幅降低通信负担
通过梯度裁剪与Fisher信息矩阵去除低影响参数，实现联邦学习中通信负载的轻量化，同时保持模型精度并保护隐私。
Zhen, Liu · 杨昌松 · 丁勇 · Liang, Hai · Yujue, Wang
IEEE Internet of Things Journal 2024
利用 Fisher 信息矩阵移除对模型影响较小的参数，显著降低客户端与服务器之间的通信量。
梯度裁剪和参数选择过程保持模型精度，实验表明模型精度不受影响。
通过 Diffie-Hellman 密钥交换对客户端计算参数进行扰动，防止敏感信息泄露。