纵向联邦学习跨客户端时序依赖新框架

Ayse Tursucular 等作者发布论文，提出一种纵向联邦学习框架，用于学习跨客户端的一步时序依赖关系。该框架的约束是客户端模型固定且不可重训、原始数据不可共享。 框架中，各客户端用非线性状态空间模型将高维本地观测映射为低维隐状态，中央服务器用图注意力网络（GAT）学习状态转移模型，并将注意力系数与状态转移模型的 Jacobian 解析关联，从而给出跨客户端依赖的一阶刻画。论文称这实现了跨客户端依赖的可解释性。 上述效果为论文所提出框架的描述，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。