Secure Aggregation with Top-K Sparsification in Decentralized Federated Learning

联邦学习中，安全聚合是防止梯度泄露的关键组件，但其通信成本通常与梯度维度成正比，对于大型模型和带宽有限、节点不可靠的分散式联邦学习场景尤其高昂。Top-K梯度稀疏化通过仅传输完整梯度的少数重要条目来降低通信开销，同时保持模型精度，但每个用户

历史摘要 · 未重新核验 · arXiv cs.CR