基于策略的联邦学习
密码学与安全
2021-02-22 v5 分布式、并行与集群计算
机器学习
摘要
本文提出PoliFL，一个支持异构隐私策略的联邦学习去中心化边缘框架。我们在三个使用手机收集的敏感用户数据训练模型的用例上评估了我们的系统——预测文本、图像分类和通知参与度预测——评估在Raspberry Pi边缘设备上进行。我们发现PoliFL能够在合理的资源和时间预算内执行准确的模型训练与推理，同时强制执行异构隐私策略。
引用
@article{arxiv.2003.06612,
title = {Policy-Based Federated Learning},
author = {Kleomenis Katevas and Eugene Bagdasaryan and Jason Waterman and Mohamad Mounir Safadieh and Eleanor Birrell and Hamed Haddadi and Deborah Estrin},
journal= {arXiv preprint arXiv:2003.06612},
year = {2021}
}