科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着移动设备的普及，海量的数据在不断产生。由于数据隐私政策的细化，数据的流动和使用受到严格监管。联邦学习可以打破数据壁垒，联合利用不同客户端数据进行建模。由于用户使用习惯不同，不同客户端数据之间存在很大差异。如何解决数据不平衡带来的统计挑战，是联邦学习研究的一个重要课题。利用元学习的快速学习能力，为不同数据节点训练不同的个性化模型来解决联邦学习中的数据不平衡问题成为一种重要方式。本文从联邦学习背景出发，系统介绍了联邦学习的问题定义，分类方式，以及联邦学习所面临的三个主要问题：隐私保护，数据异构，通讯受限。然后从联邦元学习的背景出发，系统介绍了联邦元学习在解决联邦学习数据异构，通信环境受限，提高面对恶意攻击鲁棒性方面的研究工作，并对联邦元学习的工作进行了总结展望。
-
单位中国科学技术大学; 平安科技（深圳）有限公司; 平安科技(深圳)有限公司
