面向非独立同分布数据的联邦学习数据增强方案

汤凌韬; 王迪; 刘盛云

doi:10.11959/j.issn.1000-436x.2023007

您当前的位置：

首页 >

文章列表页 >

面向非独立同分布数据的联邦学习数据增强方案

学术论文 | 更新时间：2024-05-31

- 面向非独立同分布数据的联邦学习数据增强方案
- Data augmentation scheme for federated learning with non-IID data
- “在联邦学习领域，专家提出了一种隐私保护的数据增强方案，有效提高了模型精度并加快了模型收敛。”
- 通信学报 2023年44卷第1期页码：164-176
- 作者机构：
  
  1. 数学工程与先进计算国家重点实验室，江苏无锡 214125
  2. 上海交通大学网络空间安全学院，上海 200240
- 作者简介：
  
  [ "汤凌韬（1994- ），男，江苏启东人，数学工程与先进计算国家重点实验室博士生，主要研究方向为信息安全、机器学习和隐私保护等" ]
  [ "王迪（1993- ），女，江苏徐州人，数学工程与先进计算国家重点实验室硕士生，主要研究方向为人工智能芯片设计" ]
  [ "刘盛云（1985- ），男，云南昆明人，博士，上海交通大学助理教授，主要研究方向为区块链、联邦学习、分布式存储等" ]
- 基金信息：
  
  国家重点研发计划基金资助项目(2016YFB1000500);国家科技重大专项基金资助项目(2018ZX01028102)
- DOI：10.11959/j.issn.1000-436x.2023007
  中图分类号： TP301
- 网络出版日期：2023-01，
  
  纸质出版日期：2023-01-25
- 稿件说明：
移动端阅览
汤凌韬, 王迪, 刘盛云. 面向非独立同分布数据的联邦学习数据增强方案[J]. 通信学报, 2023,44(1):164-176.

Lingtao TANG, Di WANG, Shengyun LIU. Data augmentation scheme for federated learning with non-IID data[J]. Journal on communications, 2023, 44(1): 164-176.
汤凌韬, 王迪, 刘盛云. 面向非独立同分布数据的联邦学习数据增强方案[J]. 通信学报, 2023,44(1):164-176. DOI： 10.11959/j.issn.1000-436x.2023007.

Lingtao TANG, Di WANG, Shengyun LIU. Data augmentation scheme for federated learning with non-IID data[J]. Journal on communications, 2023, 44(1): 164-176. DOI： 10.11959/j.issn.1000-436x.2023007.

浏览量

683

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向异构环境的物联网入侵检测方法

面向Non-IID数据的拜占庭鲁棒联邦学习

DAGUARD：联邦学习下的分布式后门攻击防御方案

基于本地化差分隐私的联邦学习方法研究

基于多方计算的安全拜占庭弹性联邦学习

面向非独立同分布数据的联邦学习数据增强方案

Data augmentation scheme for federated learning with non-IID data

DOI：10.11959/j.issn.1000-436x.2023007