实体
Li Xia
Li Xia
PulseAugur coverage of Li Xia — every cluster mentioning Li Xia across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新型NL-SME方法增强了联邦学习中的梯度反演攻击
研究人员开发了一种新颖的NL-SME方法，旨在对抗联邦学习中的多步梯度反演攻击。该方法构建了一个可学习的非线性代理轨迹来近似隐藏的局部状态，将轨迹级别的信息与校准的梯度匹配相结合。NL-SME还包含一个更新可靠性感知策略，以减轻扰动更新中不可靠组件的影响。实验表明，NL-SME在重建质量和准确性方面显著优于现有方法，突显了即使在联邦学习的多步更新中也存在潜在的隐私泄露风险。
-
SPARK方法通过稳定的NTK更新加速去中心化联邦学习
研究人员开发了SPARK，一种在异构数据条件下提高去中心化联邦学习（DFL）收敛速度和稳定性的新方法。SPARK利用分阶段退火的软标签正则化器结合动量来加速神经切线核（NTK）更新，而NTK在这些场景中传统上面临不稳定的挑战。所提出的方法在各种数据分布和网络设置下，与现有基线相比，收敛速度提高了3倍，通信量减少了约70%，同时保持了更高的准确性，显示出显著的改进。