Quorum-Bounded Asynchronous Federated Learning under Non-IID Data and Adversarial Clients: A Systems Study of Stale-Update Exclusion and Convergence
Cette étude démontre qu'une conception d'apprentissage fédéré asynchrone limitée par un quorum réduit efficacement la latence induite par les traînards jusqu'à 72 % sans compromettre de manière significative la précision finale, bien qu'elle révèle que l'hétérogénéité des données amplifie de manière critique les dommages de convergence causés par les clients adverses.