联邦学习中的局部异常聚类
机器学习
2022-08-30 v1 人工智能
摘要
联邦学习是一种在不泄露私有数据的情况下，通过传输模型而非个人或私有数据来保护的隐私模型。而在全局模型中，识别每个局部数据是否正常至关重要。本文提出一种方法，通过向局部模型输入虚拟数据所提取向量的欧氏相似度聚类，来分离正常局部与异常局部。在一个联邦分类模型中，该方法将局部划分为正常与异常。
引用
@article{arxiv.2208.12813,
title = {Abnormal Local Clustering in Federated Learning},
author = {Jihwan Won},
journal= {arXiv preprint arXiv:2208.12813},
year = {2022}
}
备注
3 pages