论文简介：

• 论文名称：ON BRIDGING GENERIC AND PERSONALIZED FEDERATED LEARNING FOR IMAGE CLASSIFICATION
• 作者：Hong-You Chen, Wei-Lun Chao 俄亥俄州立大学
• 论文来源：ICLR 2022

剖析论文

论文动机（Motivation）

联邦学习（Federated Learning）很有前景，因为它可以与多个客户端协作训练模型而无需访问他们的数据。但当联邦学习客户端之间的数据分布存在差异时，模型就容易受到攻击。这就导致了一个两难境地：训练FL模型时，应该优先考虑学习模型的通用性能（以便将来在服务器上使用），还是其个性化性能（针对每个客户端）。因此引入本文的动机：是否有一种方法，能够同时兼顾两种目标？