基于差分隐私的半异步联邦学习边缘计算方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为了解决联邦学习中的边缘异构性和隐私泄露的问题，提出了一种基于差分隐私的半异步联邦学习（FedSA-DP）机制。在通信优化层面，设计动态加权半异步聚合机制，通过松弛同步约束允许部分节点延迟更新，结合设备计算能力与信道状态的自适应权重分配，比传统FedAvg算法有效缩短整体训练时间74.8%。（剩余243字）

试读结束

目录
monitor
客服机器人