突破Federated Learning中部分客户端参与的挑战：综合综述
机器学习
2025-06-09 v2 分布式、并行与集群计算
摘要
Federated Learning (FL)是分布式训练下的一种学习机制，在不披露不同客户端原始数据的前提下，协同训练共享的全局模型。本文present了对部分客户端参与federated learning影响的广泛调查。虽然大量现有研究聚焦于在假设所有客户端都参与的情况下，解决由数据异构性导致的泛化性、鲁棒性和公平性等问题，但针对部分客户端参与所引发的实际和理论挑战的研究仍有限，这在现实场景中很常见。本次调查提供了对现有FL方法以应对部分客户端参与的详尽回顾。我们提供了基于理论见解和实证 findings 的全面分析，以及这些方法的结构化分类，突出它们各自的优势和劣势。
引用
@article{arxiv.2506.02887,
title = {Overcoming Challenges of Partial Client Participation in Federated Learning : A Comprehensive Review},
author = {Mrinmay Sen and Shruti Aparna and Rohit Agarwal and Chalavadi Krishna Mohan},
journal= {arXiv preprint arXiv:2506.02887},
year = {2025}
}
备注
15 pages, 6 tables, comprehensive survey of federated learning with partial client participation