面向高斯混合模型的鲁棒联邦个人化均值估计
机器学习
2025-07-11 v2 信息论
math.IT
摘要
面向异构数据的联邦学习与个人化已受到广泛关注。独立地，针对联邦学习中恶意数据问题也得到了研究。本文探索将个人化与鲁棒性结合，其中部分客户端数据被篡改。为此，我们构建一个简化问题模型以捕捉其核心难度。我们聚焦于高斯混合模型下的个人化均值估计问题。我们提出一种算法，其误差几乎线性地随着被篡改样本与未被篡改样本之比而增长，并给出相应的下界，虽存在常数因子的差距。
引用
@article{arxiv.2504.19955,
title = {Robust Federated Personalised Mean Estimation for the Gaussian Mixture Model},
author = {Malhar A. Managoli and Vinod M. Prabhakaran and Suhas Diggavi},
journal= {arXiv preprint arXiv:2504.19955},
year = {2025}
}