轻量级联邦学习平台LightFL的设计与实现
(北京信息科技大学 理学院,北京 100192)
摘要
现有的联邦学习平台通常较为复杂,需要用户进行深入学习才能掌握其功能。为解决这一问题,开发了一款轻量级联邦学习平台——LightFL,旨在降低联邦学习框架的使用门槛。该平台支持独立同分布和非独立同分布数据的模拟,并实现了经典联邦学习算法,如FedAvg、FedProx和MOON。通过模块化架构和轻量级代码设计,用户能够轻松开展联邦学习实验,且该平台便于部署和易于维护。与其他平台相比,该平台仅需用户编写少量代码就能配置联邦学习环境,简化了操作流程,降低了使用门槛,并为进一步开发新的联邦学习算法提供了便利。
关键词
轻量级平台;联邦学习;独立同分布;非独立同分布
参考文献
- [1] BANABILAH S,ALOQAILY M,ALSAYED E,et al. Federated Learning Review: Fundamentals, Enabling Technologies, and Future Applications [J/OL].Information Processing & Management,2022,59(6):103061[2024-09-15].https://doi.org/10.1016/j.ipm.2022.103061.
- [2] 刘洋.工业物联网环境下支持数据共享的联邦学习方法研究 [D].南宁:广西大学,2024.
- [3] 王文硕.面向智慧医疗的联邦学习关键安全技术研究 [D].烟台:烟台大学,2024.
- [4] 陈兵.基于联邦学习的智能家居隐私保护技术研究与实现 [D].广州:广州大学,2022.
- [5] MCMAHAN B,MOORE E,RAMAGE D,et al. Communication-Efficient Learning of Deep Networks from Decentralized Data [C]//Proceedings of the 20th International Conference on Artificial Intelligence and Statistics.New York:PMLR,2017:1273-1282.
- [6] LI T,SAHU A K,ZAHEER M,et al. Federated Optimization in Heterogeneous Networks [J].Proceedings of Machine Learning and Systems,2020,2:429-450.
- [7] LI Q B,HE B S,SONG D. Model-Contrastive Federated Learning [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.Piscataway:IEEE,2021:10713-10722.
- [8] LECUN Y,BOTTOU L,BENGIO Y,et al. Gradient-Based Learning Applied to Document Recognition [J].Proceedings of the IEEE,1998,86(11):2278-2324.
- [9] DENG L. The Mnist Database of Handwritten Digit Images for Machine Learning Research [J].IEEE Signal Processing Magazine,2012,29(6):141-142.
- [10] HULL J J. A Database for Handwritten Text Recognition Research [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1994,16(5):550-554.
基金项目
北京信息科技大学2024年大学生创新创业训练计划项目(S202411232607);北京信息科技大学“青年骨干教师”支持计划(YBT202450)
作者简介
刘若轩(2003—),男,满族,北京海淀人,本科在读,研究方向:联邦学习;高凌航(2004—),男,汉族,福建福州人,本科在读,研究方向:联邦学习;谢国云(2004—),男,汉族,江西赣州人,本科在读,研究方向:联邦学习;张宇帆(2004—),男,汉族,河南焦作人,本科在读,研究方向:联邦学习;李宏恩(2004—),男,汉族,江苏连云港人,本科在读,研究方向:联邦学习;武文媗(2000—),女,汉族,河北邯郸人,硕士研究生在读,研究方向:联邦学习;通信作者:王灿(1990—),男,汉族,山东济宁人,副教授,博士研究生,研究方向:联邦学习。