面向非独立同分布数据的联邦学习研究进展

doi:10.20009/j.cnki.21-1106/TP.2022-0214

科研成果详情

发表状态	已发表Published
题名	面向非独立同分布数据的联邦学习研究进展
作者	郭桂娟 1; 田晖 1; 皮慧娟 1; 贾维嘉2,3 ; 彭绍亮 4,5; 王田2,3
发表日期	2023
发表期刊	小型微型计算机系统
ISSN/eISSN	1000-1220
卷号	44 期号:11 页码:2442-2449
摘要	在联邦学习中，因数据只需要在终端设备上进行训练而不需要上传到服务器端，从而有效的保证了数据的隐私性和安全性.目前关于联邦学习各方面的研究虽然取得了很大的进展，但是联邦学习中的非独立同分布数据问题仍然是一个难以攻克的难题.本文对联邦学习中非独立同分布数据方面的研究进行了大量的调研，发现现有的研究主要涉及以下几个方面：性能优化、算法优化、模型优化、通信成本、隐私保护和个性化联邦学习等.为了归纳整理联邦学习中关于非独立同分布数据的相关研究，本文从以上各个方面详细介绍了现阶段联邦学习中有关非独立同分布数据的研究方案；最后分析了联邦学习中非独立同分布数据未来的研究方向，为今后联邦学习的研究指明方向.
关键词	联邦学习非独立同分布数据研究方案研究进展
DOI	10.20009/j.cnki.21-1106/TP.2022-0214
URL	查看来源
收录类别	WJCI
语种	中文Chinese
引用统计
文献类型	期刊论文
条目标识符	https://repository.uic.edu.cn/handle/39GCC9TT/11354
专题	理工科技学院
作者单位	1.华侨大学计算机科学与技术学院 2.北京师范大学人工智能与未来网络研究院 3.北京师范大学-香港浸会大学联合国际学院人工智能与多模态数据处理广东省重点实验室 4.湖南大学信息科学与工程学院 5.湖南大学国家超级计算长沙中心
推荐引用方式 GB/T 7714	郭桂娟,田晖,皮慧娟等. 面向非独立同分布数据的联邦学习研究进展[J]. 小型微型计算机系统, 2023, 44(11): 2442-2449.
APA	郭桂娟, 田晖, 皮慧娟, 贾维嘉, 彭绍亮, & 王田. (2023). 面向非独立同分布数据的联邦学习研究进展. 小型微型计算机系统, 44(11), 2442-2449.
MLA	郭桂娟,et al."面向非独立同分布数据的联邦学习研究进展". 小型微型计算机系统 44.11(2023): 2442-2449.