Современные методы федеративного обучения: сравнительный анализ эффективности и устойчивости

Аннотация

В данной статье рассматриваются методы и алгоритмы в модели федеративного обучения, а также проводится сравнительный анализ при условии наличия во время обучения гетерогенных данных. Особое внимание уделяется таким алгоритмам и их расширениям, как FedAvg, FedProx, SCAFFOLD, FedNova, FedOpt, FLTrust и LoRA-FL. При работе были использованы следующие метрики: точность обучения, скорость сходимости, устойчивость к атакам типа Byzantine и эффективность работы при гетерогенных данных. Результатом работы является выявление преимуществ алгоритмов, а также перспективные направления развития модели федеративного обучения.