11:35官方账号arXiv cs.LG@Michael Ben Ali, Imen Megdiche, André Péninou, Olivier TesteFLAMECHE是一种新的聚类联邦学习方法,通过将元数据聚类重构为分布式期望最大化过程,使服务器更新仅依赖加法运算,从而兼容标准联邦学习的加密机制。该方法在多个数据集和异构场景下的实验表明,它提升了客户端模型的有效性,同时缓解了隐私保护、通信成本和计算效率之间的CFL三难困境。论文FLAMECHE聚类联邦学习联邦学习推荐理由:这篇论文提出了FLAMECHE,让聚类联邦学习也能用上加密保护,不用再牺牲隐私换效率。原文稍后读已读值得跟进有用关注 FLAMECHE