原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
随着互联网技术的快速发展，各行业的数据量呈现出指数级增长。然而，由于隐
私保护相关政策的出台，分散存储在各个客户端设备上的海量数据无法集中进行训练，
导致数据资源被浪费。联邦学习作为一种分布式学习范式，能够在不共享原始数据的
情况下，通过多个客户端协同训练模型，因此受到了广泛关注。然而，在联邦学习中，
由于每个客户端独立收集数据且原始数据无法直接交互，每个客户端内可能同时包含
不同分布的多种源域数据，不同客户端源域间的数据分布差异将导致客户端内部和客
户端整体之间均存在域分布差异。
文档评论（0）