PulseAugur
中
实时 22:50:19
实体 Alessandro Licciardi

Alessandro Licciardi

PulseAugur coverage of Alessandro Licciardi — every cluster mentioning Alessandro Licciardi across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_294571 ·

    新的无监督框架可检测联邦学习中的恶意客户端

    研究人员开发了 WaSA,一个新颖的无监督框架,旨在检测联邦学习环境中的恶意客户端。该系统在主训练过程之前离线运行,通过分析客户端数据的频谱摘要。WaSA 利用在干净数据上训练的去噪自编码器来识别数据偏离良性流形的客户端,从而在无需预先了解攻击类型的情况下标记损坏。实验表明,WaSA 在各种数据集和攻击场景中都能有效识别恶意客户端,并且通信开销极小,优于现有方法。

  2. TOOL · CL_280395 ·

    RIPPLE 框架为联邦学习提供离线聚类

    研究人员开发了 RIPPLE,一个新颖的聚类联邦学习框架,旨在解决非独立同分布(non-IID)数据场景下的客户端漂移问题。与将聚类发现集成到训练循环中的先前方法不同,RIPPLE 使用客户端数据的谱表征离线计算聚类分配。该方法涉及小波散射变换(Wavelet Scattering Transform)和高斯混合模型变分自编码器(Gaussian Mixture VAE),通过避免梯度暴露来减少通信开销并增强安全性。该框架确保缺席训练…

  3. TOOL · CL_160928 ·

    新的联邦学习算法解决数据异质性问题

    研究人员开发了一种新颖的联邦学习客户端选择算法,旨在缓解由客户端数据异质性引起的问题。该算法根据客户端的一致性水平动态形成联盟,然后从每个联盟中选择一个代表来最小化模型更新的方差。该方法借鉴了社交网络建模的思路,利用谱聚类和识别关键人物来估计群体意见,并已证明与现有方法相比,具有更高的准确性和更快的收敛速度。