2025年联邦学习横向(含答案与解析).docxVIP

2025年联邦学习横向(含答案与解析)

一、选择题（每题5分，共50分）

1.横向联邦学习中，各参与方的核心特征是（）

A.数据特征空间相同，样本空间不同

B.数据样本空间相同，特征空间不同

C.数据样本空间和特征空间均不同

D.数据样本空间和特征空间均完全相同

答案：A

解析：横向联邦学习（HorizontalFederatedLearning,HFL）的核心定义是参与方之间拥有相同的特征空间（即数据的列结构一致，比如都是用户的年龄、性别、消费记录等特征），但样本空间不同（即数据的行代表的个体不同，比如不同地区的银行客户数据）。选项B对应纵向联邦学习的特征，选项C对应联邦迁移学习的场景，选项D则是传统集中式训练的数据特征，因此正确答案为A。

2.横向联邦学习中，为解决客户端数据分布非独立同分布（Non-IID）问题，以下哪种方法通过调整客户端的本地训练轮次来缓解差异？（）

A.加权联邦平均（FedAvgM）

B.自适应本地更新（AdaLocal）

C.联邦蒸馏（FedDistill）

D.差分隐私联邦学习（DP-FL）

答案：B

解析：Non-IID数据是横向联邦学习的核心挑战之一，会导致全局模型收敛速度慢、精度下降。AdaLocal方法通过根据客户端数据分布的差异动态调整本地训练轮次，数据分布与全局差异较大的客户端增加本地训练轮次以充分拟合本地数据