PAFedFV：用于指静脉识别的个性化异步联邦学习
计算机视觉与模式识别
2024-04-23 v1
摘要
随着对用户隐私保护的日益重视，基于联邦学习的生物特征识别已成为最新的研究热点。然而，由于数据的异质性和开放集验证问题，传统的联邦学习方法不能直接应用于指静脉识别。因此，目前只有少数应用案例被提出。这些方法仍存在两个缺点：（1）由于指静脉数据高度异质且非独立同分布（non-IID），统一的模型导致某些客户端性能不佳。（2）在单个客户端上，大量时间未被利用，例如等待服务器返回模型的时间。为解决这些问题，本文提出了一种用于指静脉识别的个性化异步联邦学习（PAFedFV）框架。PAFedFV设计了个性化的模型聚合方法来解决非独立同分布数据之间的异质性。同时，它采用异步训练模块，让客户端利用其等待时间。最后，在六个指静脉数据集上进行了大量实验。基于这些实验结果，分析了非独立同分布指静脉数据对联邦学习性能的影响，并证明了PAFedFV在准确性和鲁棒性方面的优越性。
关键词
引用
@article{arxiv.2404.13237,
title = {PAFedFV: Personalized and Asynchronous Federated Learning for Finger Vein Recognition},
author = {Hengyu Mu and Jian Guo and Chong Han and Lijuan Sun},
journal= {arXiv preprint arXiv:2404.13237},
year = {2024}
}