FLHub:一种联邦学习模型共享服务
机器学习
2022-02-15 v1 人工智能
摘要
随着 Tensorflow、Pytorch 等易用深度学习库的流行,开发机器学习模型已变得十分便捷。由于集中式机器学习存在隐私问题,近来分布式计算框架下的联邦学习正受到关注。在联邦学习中,中央服务器不从客户端收集敏感与个人数据,仅聚合模型参数。尽管联邦学习有助于保护隐私,但机器学习开发者难以共享可用于不同领域应用的模型。本文中,我们提出一种名为联邦学习中心(Federated Learning Hub, FLHub)的联邦学习模型共享服务。用户可像在 GitHub 上一样上传、下载并贡献其他开发者开发的模型。我们展示了分叉模型比现有模型更快完成训练,且每一联邦轮次的学习进展更为迅速。
引用
@article{arxiv.2202.06493,
title = {FLHub: a Federated Learning model sharing service},
author = {Hyunsu Mun and Youngseok Lee},
journal= {arXiv preprint arXiv:2202.06493},
year = {2022}
}