頻譜識別

聯邦學習

FedSIR — 頻譜識別、保守重標記與噪聲感知聚合於聯邦學習

聯邦學習面臨各端標籤噪聲威脅。本研究提出FedSIR透過類別特徵的頻譜結構辨識乾淨與不良客戶端，並以乾淨端的主向量與殘差子空間做保守重標記，最後結合logit調整損失、知識蒸餾與距離感知聚合穩定訓練。實驗指向FedSIR在多種噪聲與異質性場景下優於現有基準，改善了聯邦學習的抗噪能力。