PI-SME 改进联邦学习梯度反演
热点事件持续更新
PI-SME 改进联邦学习梯度反演
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Agnivo Ghosh 与 Saumik Bhattacharya 提出路径积分代理模型扩展 PI-SME，用于联邦学习中的多步梯度反演。该方法把 FedAvg 下客户端累积的模型更新视为梯度场的路径积分，并用可学习 Bézier 路径上若干节点的 Gauss-Legendre 求积进行近似。 在 CIFAR-100 和 FEMNIST 图像上，PI-SME 在多项反转指标和匹配损失上比最强代理基线更忠实地重建了客户端私有输入。该工作已投稿至 IEEE ICASSP 2027。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
PI-SME：面向联邦学习多步梯度反转的路径积分代理模型报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGPI-SME：面向联邦学习多步梯度反转的路径积分代理模型
研究者提出路径积分代理模型扩展 PI-SME，将 FedAvg 下客户端累积的模型更新视为梯度场的路径积分，并通过可学习 Bézier 路径上的 Gauss-Legendre 求积进行近似。在 CIFAR-100 和 FEMNIST 图像上，PI-SME 在多项反转指标和匹配损失上比最强代理基线更忠实地重建了客户端私有输入。该工作投稿至 IEEE ICASSP 2027。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。