無需數據的雙生成器對抗式蒸餾用於單次聯邦學習

提出一種新的無數據雙生成器對抗式蒸餾方法(DFDG)用於單次聯邦學習,可以通過訓練雙生成器探索更廣泛的本地模型的訓練空間,從而實現更強大的全局模型。