联邦学习近期进展
联邦学习是一种机器学习技术，它允许多个参与者在不共享数据的情况下进行协作训练。这种技术特别适用于需要保护数据隐私的场景。
№联邦学习·general
联邦学习
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-07-30
- 累计提及
- 28
§ 01综述
§ 02相关报道10 条在档
- 01FedDAB：基于对齐检查的联邦学习后门防御方法
- 02联邦纵贯生存建模的协作系统故障预测
- 03gspDAG-FL：基于Gossip与虚拟投票的安全去中心化联邦学习
- 04FedKT-CSD：单轮联邦学习中的协作合成数据知识迁移方法
- 05QFedAgent：量子增强的个性化联邦学习用于多智能体活动识别
- 06隐私保护与可验证的近似分布式编码计算
- 07FedLAB：面向联邦多模态图基础学习的可追溯语义码本
- 08Federated Learning with Energy-Based Structured Probabilistic Inference
- 09SP-CACW：收敛感知客户端加权用于自私个性化学习
- 10价值约束信用分配：完全委托AI合作组织中的奖励机制
§ 03邻近话题