先决条件: 机器学习与联邦学习基础

您将学到什么

• 高级聚合

  实施并分析超越FedAvg的聚合算法，处理异构性和拜占庭客户端等情况。

• 隐私增强

  在联邦学习中应用差分隐私、安全多方计算和同态加密技术。

• 异构性处理

  制定并评估处理客户端间统计（非独立同分布数据）和系统异构性的策略。

• 个性化方法

  在联邦学习中实施个性化方法，包括元学习和聚类方法。

• 通信优化

  应用梯度压缩、稀疏化和量化技术以提升通信效率。

• 系统架构

  使用现有框架设计、实施并分析联邦学习系统，并考虑安全影响。