基于事件触发的通信有效联邦学习算法

来源：电子与信息学报杂志2023年第10期北京时间：

作者：高慧敏, 杨磊, 朱军龙, 张明川, 吴庆涛

单位：1.河南科技大学信息工程学院 洛阳 4710232.中信重工机械股份有限公司信息技术管理中心 洛阳 471003

摘要：由于实际网络的带宽是有限的，因此客户端和中心服务器之间的通信成为联邦学习的一个主要瓶颈。为了减小通信开销，该文引入事件触发机制，提出一个通信有效的联邦学习算法(FedET)。首先，客户端利用事件触发机制判断是否需要向中心服务器发送当前模型。然后，中心服务器基于收到的信息进行模型聚合。具体地，在每个通信轮次，客户端完成本地模型训练之后，将模型更新和触发阈值进行比较，若触发通信，则将信息进行压缩后发送给中心服务器。进一步地，分别对满足凸的、PL(Polyak-Łojasiewicz)条件的和非凸的光滑目标函数，该文分析了所提算法的收敛性并给出了证明。最后，在两个标准的数据集上进行仿真实验。实验结果验证了所提算法的可行性和有效性。

关键词：联邦学习, 通信有效, 事件触发, 压缩, 收敛性

基金资助：国家自然科学基金(61871430, 61976243)，中原科技创新领军人才(214200510012，224200510004)，河南省高校科技创新人才(22HASTIT014)