AI 词汇表

📖

个术语

本地数据划分

将训练数据划分给不同的客户端，不重叠也不集中。这种去中心化的划分构成了联邦学习的基础，并带来了与非独立同分布 (non-IID) 和数据异质性相关的独特挑战。

📖

个术语

跨机构联邦学习

联邦学习的一种变体，涉及少量可信的机构客户端，如医院或银行。这种方法促进了组织间的协作，同时遵守法规限制和数据隐私。

📖

个术语

跨设备联邦学习

一种部署在数百万台个人设备（如智能手机）上的联邦学习类型，这些设备具有间歇性连接。这种配置带来了与规模、延迟和客户端可用性相关的特定挑战。

📖

个术语

异构联邦学习

一种考虑客户端之间在数据分布、计算能力和网络连接方面显著差异的学习框架。异质性是联邦学习实际部署中的主要挑战之一。

📖

个术语

模型更新

客户端在一次或多次训练周期后本地计算的模型参数的修改集合。这些更新随后被传输到聚合服务器，以助于改进全局模型。

📖

个术语

隐私保护

联邦学习的基本目标，旨在防止暴露客户端的原始训练数据。隐私保护结合了密码学、统计学和架构技术，以保护敏感信息。

📖

个术语

拜占庭鲁棒联邦学习

联邦学习的一种变体，能够抵抗发送错误更新的恶意或故障客户端。拜占庭鲁棒性确保模型在系统存在对手的情况下也能正确收敛。