基于聚类分析的横向联邦学习方案

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：联邦学习是一种分布式的学习方法，参与者协同训练模型，参与者将数据保留在本地，只是把模型参数发送到服务器，从而保证了数据的安全性。研究发现，在模型训练的过程中，存在遭受数据投毒的数据或恶意窜改的数据，使训练的模型难以取得较好的预测效果。因此，文章提出一个基于聚类分析的参与者评价算法，通过对数据集进行联合分析并采取相应的措施来防御投毒攻击。（剩余8778字）

试读结束

目录
monitor