0    引言

隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用，其在各個(gè)領(lǐng)域都取得了令人矚目的成就，從智慧城市產(chǎn)生的海量多源數(shù)據(jù)中建立機(jī)器學(xué)習(xí)模型的需求變得愈加強(qiáng)烈。在能源、醫(yī)療和社區(qū)治理等方面人們迫切需要使用機(jī)器學(xué)習(xí)模型來執(zhí)行諸如識別和預(yù)測等任務(wù)。然而，訓(xùn)練數(shù)據(jù)的獲取是一個(gè)無法回避的關(guān)注點(diǎn)，嚴(yán)格的公民信息保護(hù)條例以及人們對個(gè)人隱私的保護(hù)要求使得城市正在誕生一個(gè)個(gè)“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)被認(rèn)為是在智慧城市的場景中訓(xùn)練模型的很有應(yīng)用前景的技術(shù)。在這個(gè)框架下，機(jī)器學(xué)習(xí)模型可以由分布在各地的參與方使用本地的數(shù)據(jù)進(jìn)行合作訓(xùn)練，從而避免了隱私數(shù)據(jù)的泄漏。自從谷歌公司提出使用聯(lián)邦學(xué)習(xí)來預(yù)測用戶下一個(gè)鍵盤輸入的應(yīng)用以來，已經(jīng)有眾多研究者參與到這一熱門的研究方向。

有別于傳統(tǒng)的集中訓(xùn)練，聯(lián)邦學(xué)習(xí)中的數(shù)據(jù)類別通常是非獨(dú)立同分布的，此外由于擁有的數(shù)據(jù)量不同，參與方可能在每個(gè)訓(xùn)練輪次訓(xùn)練不同數(shù)量的樣本。這些異質(zhì)性會顯著影響模型訓(xùn)練時(shí)間和準(zhǔn)確性，因此選擇恰當(dāng)?shù)膮⑴c方進(jìn)行訓(xùn)練尤為重要。然而現(xiàn)有的聯(lián)邦學(xué)習(xí)參與方選擇方案要么是根據(jù)對模型更新的貢獻(xiàn)度量來選擇具有更高統(tǒng)計(jì)效用的客戶端，要么是根據(jù)計(jì)算資源和通信約束來選擇客戶端。這些方案雖然取得了一定的效果，但也存在著隱患，比如某些參與方利用上傳的梯度信息進(jìn)行隱私推斷，以及某些參與方企圖以不勞而獲的方式得到全局模型。

本文詳細(xì)內(nèi)容請下載：http://www.j7575.cn/resource/share/2000005270

作者信息：

邱浩宸,張信明

(中國科學(xué)技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽合肥230026)