arXiv cs.LG· Dario Fenoglio, Pasquale Polverino, Akash Dhasade, Jacopo Quizi, Martin Gjoreski, Marc Langheinrich·· 7 小时前AI 评分22
ERIS：通过联邦分片聚合改善联邦学习的隐私-效用-可扩展性权衡
ERIS: Enhancing the Privacy-Utility-Scalability Trade-Off in Federated Learning via Federated Shard Aggregation
AI 导读
ERIS 是一个以联邦分片聚合（FSA）为核心的联邦学习框架，将每个客户端更新切分为不重叠分片并由多个客户端侧聚合器分布式聚合，消除中心聚合瓶颈。它可集成 Distributed Shifted Compression（DSC）减少传输负载与暴露坐标，并证明在标准假设下保持收敛，互信息泄漏随聚合器数量和压缩程度下降。
来源：arXiv cs.LG · arxiv.org