垂直联邦学习中相关参与者选择的 VFL-RPS
机器学习
2025-02-21 v1
摘要
联邦学习（FL）允许不同参与方协作，同时确保这些参与方之间的数据不被共享。然而，並非每一次合作都有助于最终模型的性能。因此，正确选择合作参与者是一个重要挑战。目前文献中大多数参与者选择努力集中在水平联邦学习（HFL），该方法假设所有参与方之间特征完全相同，忽略了参与方之间特征不同的可能性，这在垂直联邦学习（VFL）中得到体现。在弥合文献这一差距方面，我们提出了一种新方法VFL-RPS，用于VFL中的参与者选择，作为预训练步骤。我们在多个数据集上进行了测试，执行回归和分类任务，表明该方法仅通过选择少数参与者即可获得与使用所有数据相当的结果。此外，我们表明该方法优于现有VFL参与者选择方法。
引用
@article{arxiv.2502.14375,
title = {VFL-RPS: Relevant Participant Selection in Vertical Federated Learning},
author = {Afsana Khan and Marijn ten Thij and Guangzhi Tang and Anna Wilbik},
journal= {arXiv preprint arXiv:2502.14375},
year = {2025}
}