핵심 개념
연합 학습 모델의 견고성 향상을 위한 로짓 보정의 중요성
초록
연합 학습은 분산된 디바이스의 협력적인 모델 훈련을 기반으로 하는 프레임워크
비 IID 데이터 분포로 인한 모델 성능 하락과 적대적 예제에 대한 취약성
적대적 훈련 (AT) 프레임워크를 채택하여 적대적 예제 공격에 대한 모델 견고성 향상
로짓 보정 전략을 구현하여 모델의 견고성 향상
실험 결과는 MNIST, Fashion-MNIST 및 CIFAR-10 데이터셋에서 경쟁력 있는 결과 도출
통계
로짓 보정을 통한 모델 성능 향상
적대적 훈련을 통한 모델 견고성 강화
인용구
"연합 학습 모델의 견고성을 향상시키기 위한 로짓 보정의 중요성"
"적대적 예제에 대한 모델의 견고성을 향상시키기 위한 적대적 훈련의 중요성"