FedPix:从客户端传输压缩图像,以减少联邦学习中的信息泄露

15 十一月 20261 视图

本文探讨了应允许客户端向服务器发送哪些信息,并建议训练系统传输紧凑且可通过视觉检查的图像,而非模型权重或中间表示。在 BloodMNIST、CIFAR-10、FashionMNIST 和 MNIST 上,该方法的重建 PSNR 较低,并将客户端耗时缩短至原来的 96.0%,准确率为 65.63–99.18%。

FedPix:从客户端传输压缩图像,以减少联邦学习中的信息泄露

问题:常见方案未能解决什么

现有的联邦智能方法侧重于模型训练或聚合。至于应从客户端传输哪些信息,这个问题却未受关注。这带来了一些限制。

  • 用户难以检查模型更新。
  • 数据表示可能泄露敏感信息。
  • 对资源受限的客户端而言,生成表示可能需要大量计算。

FedPix 学习传输紧凑且可目视检查的图像,以此替代模型更新和中间特征。选择标准:如果传输的数据需要由人工检查,且客户端资源有限,就值得考虑这种方法。

机制:客户端传输哪些数据

客户端发送紧凑且可目视检查的图像。传输的表示参与信息筛选训练:哪些信息保留,哪些信息舍弃。该方法在任务实用性与抗重建能力之间取得平衡。

传输选项传输内容重要考量
模型更新模型更新用户难以检查
中间特征数据表示可能泄露敏感信息;对资源受限的客户端而言,生成成本较高
FedPix紧凑且可目视检查的图像在实用性与抗重建能力之间取得平衡

服务器在无法访问原始客户端数据的情况下改进表示。同时,客户端的计算成本较低。作者认为,对于图像分类而言,并不需要保留重建原始图像所需的所有视觉细节。

选择标准:传输选项应支持目视检查。服务器不应访问原始客户端数据。客户端的计算成本应保持较低。

结果:准确率、抗重建能力与耗时

FedPix 在 BloodMNIST、CIFAR-10、FashionMNIST 和 MNIST 上进行了测试。作者报告了分类准确率,并单独列出了抗重建指标和客户端运行时间。

数据集分类准确率
MNIST99.18%
FashionMNIST89.97%
BloodMNIST82.24%
CIFAR-1065.63%
  • 重建 PSNR 低至 6.87 dB。
  • 合成 PSNR 低至 6.74 dB。
  • 客户端运行时间最多缩短 96.0%。
  • 在 CIFAR-10 上,耗时从 1223 秒降至 49 秒。

选择标准:将目标数据集上的准确率与任务可接受的准确率进行比较。应分别评估客户端耗时和抗重建能力。

适用范围

FedPix 适用于图像分类。作者认为,对于分类而言,并不需要保留重建所需的所有视觉细节。实验涵盖四个数据集。

  • 任务为图像分类。
  • 目标数据集属于 BloodMNIST、CIFAR-10、FashionMNIST 或 MNIST。
  • 论文未涉及其他任务和数据集。

标准:确认任务为图像分类,且数据集是论文中提到的四个之一。论文未涉及其他任务和数据集。

来源与状态

作者在论文《FedPix: Learning What to Share with Less Leakage in Federated Intelligence》中介绍了 FedPix 方法。该论文发表于 arXiv,编号为 arXiv:2610.21194。作者注明的日期为:v1 — 2026 年 10 月 15 日,v2 — 2026 年 10 月 19 日。

  • 作者:Jingwei Zhao、Tiantong Sun、Yuanyuan Song、Jinhuan Guo、Zishuo Wei、Shengyu Huang、Ziyuan Ren、Wei Chen 和 Xiaojin Zhang。
  • Jingwei Zhao 和 Tiantong Sun 的贡献相同。

核查标准:引用前核对论文版本和作者名单。

常问问题

FedPix:从客户端传输压缩图像,以减少联邦学习中的信息泄露