English(EN) Active-Passive Federated Learning for Vertically Partitioned Multi-view Data

新的APFed框架支持独立AI模型推理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-10 04:00

研究人员推出了一种名为自适应联邦学习（APFed）的新框架，旨在提高纵向联邦学习的灵活性。该方法允许在模型构建后，即使被动方客户端不可用，主动方客户端也能独立执行模型推理。APFed框架已通过两种利用重构损失和对比损失的分类方法得到验证，并在实验测试中显示出有效的结果。 AI

影响通过允许分布式系统中更鲁棒的模型推理来增强保护隐私的AI。

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 English(EN) · Jiyuan Liu, Siqi Wang, Xinhang Wan, Yi Zhang, Junsong Chen, Xin Lu, Xinwang Liu · 2026-06-10 04:00

Active-Passive Federated Learning for Vertically Partitioned Multi-view Data

arXiv:2409.04111v2 Announce Type: replace Abstract: Vertical federated learning is a natural and elegant approach to integrate multi-view data vertically partitioned across devices (clients) while preserving their privacies. Apart from the model training, existing methods require…