HyperFL++：切断共享参数与本地数据关联防御梯度反演

Pengxin Guo 等人提出联邦学习框架 HyperFL++，用超网络生成本地模型参数，服务器只聚合超网络参数，从而切断共享参数与本地私有数据之间的直接联系，以防御梯度反演攻击（GIA）。 为降低超网络带来的内存与通信开销，该框架引入 Row-wise Kronecker Decomposition（RKD）。据作者称，理论分析与实验显示该方法在保护数据隐私的同时保持了较高的模型效用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。