联邦学习中的客户端选择研究综述
机器学习
2023-11-14 v1 分布式、并行与集群计算
摘要
联邦学习（FL）是机器学习中一个快速发展的领域，它允许在多个去中心化设备上进行数据训练。选择参与训练过程的客户端是整个系统性能的一个关键因素。在本综述中，我们全面概述了 FL 中最先进的客户端选择技术，包括其优势与局限，以及需要解决的挑战与开放问题。我们涵盖了传统的选择技术，例如随机选取部分或全部客户端用于训练。我们也涵盖了性能感知选择，以及面向资源受限网络与异构网络的资源感知选择。我们还讨论了客户端选择在模型安全性增强方面的应用。最后，我们讨论了动态受限与异构网络中客户端选择相关的开放问题与挑战。
引用
@article{arxiv.2311.06801,
title = {A Comprehensive Survey On Client Selections in Federated Learning},
author = {Ala Gouissem and Zina Chkirbene and Ridha Hamila},
journal= {arXiv preprint arXiv:2311.06801},
year = {2023}
}