成果/Result
- 基于差分隐私的自适应个性化联邦学习方法被引量：0收藏
- 作者：张芳 龙士工 郭晟南 刘光源 张珺铭
- 机构：贵州大学公共大数据国家重点实验室;贵州大学计算机科学与技术学院;贵州理工学院大数据学院;贵州建设职业技术学院基础部
- 来源：《计算机工程与设计》 2025
- 关键词：个性化联邦学习 隐私保护 差分隐私 非独立同分布 自适应正则化 自适应步长 联邦优化
- 摘要：为减少联邦学习中用户隐私泄露风险和增强非独立同分布下的模型性能,提出基于差分隐私的自适应个性化联邦学习方法(FedADRL)。FedADRL动态划分本地参数为个性化参数和全局参数,并为其对应的损失函数增加自适应正则项,以...
