None FIRMA: FIbonacci Ring Model Aggregation for Privacy-preserving Federated Learning

新的FIRMA协议增强了联邦学习的隐私性

作者 PulseAugur 编辑部 · [1 source] · 2026-05-25 04:00

研究人员推出FIRMA，这是一系列新颖的三个联邦学习协议，旨在增强隐私性和效率。这些协议通过实现无服务器操作、确保分类头的永久隐私以及实施原则性的非对称邻居加权来解决现有方法的局限性。跨各种配置的实验表明，FIRMA的性能优于标准的联邦学习方法，尤其是在标签倾斜和异质性场景中。 AI

影响为分布式模型训练引入了新颖的隐私保护技术，有可能提高协作式AI开发中的数据安全性。

排序理由该集群包含一篇详细介绍联邦学习新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 · Rachid Hedjam · 2026-05-25 04:00

FIRMA: FIbonacci Ring Model Aggregation for Privacy-preserving Federated Learning

arXiv:2605.22898v1 Announce Type: new Abstract: Federated learning protocols face a structural trilemma: canonical server-based aggregation~\cite{mcmahan2017} creates a single point of failure and gradient inversion risk; decentralised ring-gossip alternatives~\cite{hu2019segment…