跳到正文
热点事件持续更新

抗拜占庭压缩联邦学习新框架提出

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Yanjie Dong 提出投影惩罚梯度跟踪框架,用于通信高效的拜占庭鲁棒联邦学习。该框架针对压缩上传会破坏惩罚方法拜占庭鲁棒性的问题:诚实节点上传惩罚梯度的压缩残差,服务器将重建状态投影到已知的惩罚梯度球上,据称兼容任意收缩压缩器。 框架包含 FRPG-CS 与 LAG-FRPG 两种算法。上述兼容性与鲁棒性效果出自论文自述,尚未见独立验证。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    面向通信高效拜占庭鲁棒联邦学习的投影惩罚梯度跟踪框架

    针对压缩上传会破坏惩罚方法的拜占庭鲁棒性,提出投影惩罚梯度跟踪框架:诚实节点上传惩罚梯度的压缩残差,服务器将重建状态投影到已知惩罚梯度球上,兼容任意收缩压缩器。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。