本文调查了新兴的联邦可解释人工智能（FedXAI）领域，该领域结合了联邦学习的隐私保护方法和可解释人工智能的透明度重点。作者提出了一个分类法，根据可解释性的作用、模型类型和集成级别等因素对现有的FedXAI方法进行分类。他们还强调了诸如非独立同分布数据下的可解释性、与解释相关的安全威胁以及标准化评估指标的必要性等挑战。 AI
影响 本次调查整合了关于结合隐私保护联邦学习与AI透明度的研究，确定了值得信赖的AI系统的关键挑战和未来方向。
排序理由 该条目是一篇关于特定AI研究领域的调查论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
