Deduplication-while-Training: A Resilient Paradigm for Privacy-Preserving Cross-Client Deduplication in Federated Learning

arXiv cs.CR · 28 sept, 06:00

Un equipo de investigación propone DwT-FL, un nuevo paradigma de deduplicación concurrente para aprendizaje federado que elimina datos duplicados entre clientes mientras entrena el modelo, en lugar de hacerlo antes. El sistema mejora la eficiencia, reduce los riesgos de memorización del modelo y mitigamitigaciones de privacidad en entornos dinámicos donde los clientes se pueden conectar y desconectar.