11:03arXiv cs.LG@Alvaro Javier Vargas Guerrero, Xinguang Wang, Quang Manh Doan, Guy Nagels该论文提出了联邦学习消息的正式数学定义,涵盖合成数据和联邦分析等现代负载。作者将联邦消息分为三类:模型结构、统计摘要和数据条件表示,并基于计算开销、通信成本和隐私风险评估了这些类别。通过对202篇近期出版物的回顾,研究发现自2021年以来联邦学习消息范式显著多样化,从标准深度学习更新转向更专业化的信息共享。该框架为优化不同硬件和安全要求的联邦系统提供了结构化路径。论文联邦学习消息分类隐私保护通信效率推荐理由:联邦学习早就不只传权重了,这篇论文给你梳理了现在的消息类型,分类清楚,还分析了隐私和效率的取舍。原文