联邦学习中的联邦评估综述
机器学习
2023-05-22 v2 分布式、并行与集群计算
摘要
在传统机器学习中，由于所有数据样本由服务器集中管理，模型评估是轻而易举的。然而，在联邦学习（FL）中模型评估成为一项具有挑战性的问题，本文称之为联邦评估。这是因为客户端不暴露其原始数据以保护数据隐私。联邦评估在客户端选择、激励机制设计、恶意攻击检测等方面起着至关重要的作用。本文中，我们首次对现有联邦评估方法进行了全面综述。此外，我们探讨了联邦评估在提升 FL 性能方面的多种应用，并最终通过展望若干挑战给出了未来研究方向。
引用
@article{arxiv.2305.08070,
title = {A Survey of Federated Evaluation in Federated Learning},
author = {Behnaz Soltani and Yipeng Zhou and Venus Haghighi and John C. S. Lui},
journal= {arXiv preprint arXiv:2305.08070},
year = {2023}
}
备注
Accepted by IJCAI 2023