基于协作学习的隐私保护 QoE 建模
机器学习
2019-06-27 v2 多智能体系统
机器学习
摘要
基于机器学习的体验质量（QoE）模型可能由于数据量低、参与者画像有限等限制而遭受过拟合，这阻碍了模型变得通用。因此，这些训练好的模型在实验人群之外测试时可能表现不佳。有限数据集（我们在本文中称之为小型 QoE 数据湖）的一个原因是，这些数据集往往可能包含用户敏感信息，并且仅通过昂贵的、需特殊用户同意的用户研究收集。因此，研究人员之间通常不允许共享数据集。近年来，隐私保护机器学习模型变得重要，能够在不共享数据集而依赖安全通信协议的情况下进行模型训练的技术也是如此。顺应这一趋势，本文我们提出基于轮询的协作机器学习模型训练，其中模型在协作伙伴节点间以顺序方式训练。我们使用定制的联邦学习机制以及传统的集中式与隔离式学习方法对该工作进行了基准测试。
引用
@article{arxiv.1906.09248,
title = {Privacy Preserving QoE Modeling using Collaborative Learning},
author = {Selim Ickin and Konstantinos Vandikas and Markus Fiedler},
journal= {arXiv preprint arXiv:1906.09248},
year = {2019}
}
备注
6 pages, 4 figures, 7 tables, submitted