训练时间最高降九成
基于基尼杂质加权聚合的联邦学习框架，在数据严重不平衡时显著提升入侵检测性能并大幅缩短训练时间。
郑明 · Xiaowen, Hu · Hu, Ying · 郑孝遥 · Luo, Yonglong
IEEE Transactions on Information Forensics and Security 2024
欠采样精简参与方数据，降低每次迭代的计算量，训练时间比现有方法减少 51.76%–92.58%。
基于哈希的块欠采样重新平衡客户端数据分布，使得严重不平衡时 F1、G-mean、AUC 仍然良好。
基于局部基尼杂质的加权聚合策略降低客户端数据分散度和信息差异对全局模型的影响。