【光熙博士生学术论坛讲座】

讲座人：杨旭 博士生

题目：面向非独立同分布数据的联邦学习算法研究

时间：2025年12月8日16: 00-17: 00

地点：M1111

讲座内容：

随着信息技术的持续发展与数据规模的不断增长，大量数据由不同组织和终端设备独立产生并由各方保管，因隐私与合规限制难以集中共享。联邦学习作为一种隐私保护的机器学习训练框架，已成为满足数据安全与隐私合规要求的重要技术之一，并为在多方协作中安全、高效地利用分散数据提供了新的解决思路。然而，在现实应用中，各参与训练客户端的数据往往存在显著的非独立同分布特点。非独立同分布数据会削弱联邦训练效果，甚至导致模型性能下降，进一步影响协同训练的稳定性与整体效率。本报告旨在研究在非独立同分布数据下客户端之间的协作机制，提出了一系列的联邦学习方法来进一步提升客户端之间协作训练的效果，从而提升客户端模型在非独立同分布数据场景中的表现。