TPAMI 2024 | 联邦学习的泛化性、鲁棒性和公平性：综述与基准测试

论文信息

题目：Federated Learning for Generalization, Robustness, Fairness: A Survey and Benchmark

联邦学习的泛化性、鲁棒性和公平性：综述与基准测试

作者：Wenke Huang, Mang Ye, Zekun Shi, Guancheng Wan, He Li, Bo Du, Qiang Yang

源码链接：https://github.com/WenkeHuang/MarsFL

论文创新点

1. 首次全面综述联邦学习泛化、鲁棒和公平性研究，涵盖数百篇论文。
2. 按任务设置分类现有方法，并深入分析优缺点。
3. 在多种场景下对方法基准测试，用多指标评估，还探讨未来方向。

摘要

联邦学习已成为一种在不同参与方之间进行隐私保护协作的