본 연구는 연합 학습(FL) 환경에서 비-IID 데이터와 지연 클라이언트 문제를 해결하기 위한 방법을 제안한다.
프라이버시 유연 패러다임: 각 클라이언트의 데이터 중 일부를 비-프라이버시로 모델링하여 프라이버시와 유용성 간의 균형을 모색한다.
데이터 공유 기법: 오프라인에서 클라이언트 간 비-프라이버시 데이터를 공유하여 라벨 이질성을 완화하고 데이터 중복성을 생성한다.
근사 경사 코딩: 데이터 중복성을 활용하여 지연 클라이언트에 대한 강건성을 제공하는 근사 경사 코딩 기법을 제안한다.
이를 통해 프라이버시와 유용성 간의 균형을 달성하고, 비-IID 데이터와 지연 클라이언트 문제를 해결할 수 있음을 이론적 및 실험적으로 보여준다.
To Another Language
from source content
arxiv.org
Głębsze pytania