FedNC：一种基于网络编码的安全高效联邦学习方法
机器学习
2024-01-10 v3 密码学与安全
信息论
math.IT
摘要
联邦学习（Federated Learning, FL）是一种前景广阔的分布式学习机制，但仍面临两大主要挑战，即隐私泄露与系统效率。在这项工作中，我们从网络信息论的角度重新概念化 FL 系统，并受网络编码（Network Coding, NC）启发，构建了一个新颖的 FL 通信框架 FedNC。FedNC 的主要思想是在上传进行进一步聚合之前，通过对原始参数进行随机线性组合来混合本地模型的信息。得益于编码方案的优势，理论与实验分析均表明 FedNC 在安全性、效率和鲁棒性等多个重要方面优于传统 FL。据我们所知，这是首个将 NC 引入 FL 的框架。随着 FL 在实际网络框架中持续发展，可基于 FedNC 进一步设计更多变体。
引用
@article{arxiv.2305.03292,
title = {FedNC: A Secure and Efficient Federated Learning Method with Network Coding},
author = {Yuchen Shi and Zheqi Zhu and Pingyi Fan and Khaled B. Letaief and Chenghui Peng},
journal= {arXiv preprint arXiv:2305.03292},
year = {2024}
}