Core Concepts
FL-GUARD bietet eine dynamische Lösung für die Erkennung und Wiederherstellung von negativem föderiertem Lernen in Echtzeit.
Abstract
FL-GUARD ist ein Rahmenwerk, das NFL in einem Laufzeitparadigma behandelt. Es erkennt NFL frühzeitig und aktiviert Wiederherstellungsmaßnahmen bei Bedarf. Der Mechanismus zur NFL-Erkennung basiert auf der Schätzung des Leistungsgewinns auf den Clients. Die Wiederherstellung erfolgt durch die Anpassung des globalen Modells. Experimente bestätigen die Wirksamkeit von FL-GUARD.
Struktur:
Einleitung zu föderiertem Lernen
Probleme von FL und NFL
FL-GUARD: Erkennung und Wiederherstellung
NFL-Erkennungsschema
Wiederherstellung von NFL
Vorteile von FL-GUARD
Vergleich mit früheren Methoden
Experimente und Ergebnisse
Stats
Das globale Modell wird durch iterative Runden gelernt.
NFL wird durch die Leistungsgewinnschätzung auf den Clients erkannt.
FL-GUARD erkennt NFL frühzeitig und aktiviert die Wiederherstellung.
Quotes
"FL-GUARD bietet eine dynamische Lösung für die Erkennung und Wiederherstellung von negativem föderiertem Lernen in Echtzeit."