支持退出与缓慢节点的联邦学习:FLOSS
机器学习
2026-04-23 v2 人工智能
摘要
联邦学习系统中数据隐私的现有工作侧重于针�用户同意共享数据以进行训练的数据实施隐私保护操作。然而,现代数据隐私协议还允许用户按照需求选择退出数据共享。当这种情况与源于异构设备能力的缓慢节点相结合时,结果是来自多种来源的缺失数据,这会引入偏差并降低模型性能。本文提出了FLOSS,一个在缓慢节点和用户退出的情况下,缓解此类缺失数据对联邦学习影响的系统,并通过仿真实证明其性能。
引用
@article{arxiv.2507.23115,
title = {FLOSS: Federated Learning with Opt-Out and Straggler Support},
author = {David J Goetze and Dahlia J Felten and Jeannie R Albrecht and Rohit Bhattacharya},
journal= {arXiv preprint arXiv:2507.23115},
year = {2026}
}
备注
5 pages