基于混洗匿名化的演化联邦密度峰值聚类 eFDPC

研究者提出一次性联邦聚类方法 eFDPC，将演化模糊数据流聚类与密度峰值聚类结合，客户端仅在本地演化微簇并只上传选中的峰值而非完整本地模型。客户端与服务器之间加入基于混洗器的匿名化层，在重建与全局峰值选择前对贡献做匿名化，以降低信息可归属性。在合成与真实基准数据集上，eFDPC 在一次性设置下优于近期联邦聚类基线，并可扩展到高维、非独立同分布数据。