近日，南京理工大学网络空间安全学院的博士研究生张盼与合作者在国际期刊《IEEE Transactions on Computers》（简称TC）上发表论文“Sketch-based Adaptive Communication Optimization in Federated Learning”。南京理工大学数学与统计学院许春根教授、徐磊副教授为该论文通讯作者，南京理工大学为第一署名单位。
近年来，跨设备联邦学习在物联网应用领域方面已经显示出巨大的潜力。尽管在联邦学习做出巨大努力，但经验证据表明联邦学习算法尚未得到广泛的实际应用。主要的障碍来自客户端与服务器之间梯度交换的固有带宽开销，导致高通信延迟。为了解决上述问题，前人提出各种解决方案，希望在准确性和通信效率之间找到更好地平衡。为了实现这一目标，本篇论文重点研究了如何设计一种轻量化联邦学习算法，既能降低通信开销，又能保持相当的准确度。具体来说，本篇论文提出了一种基于Sketch的联邦学习算法，该算法结合增量奇异值分解（ISVD）方法，确保全局模型正常收敛。此外，本篇论文还提出自适应梯度误差累计机制和梯度误差补偿机制，以减轻Sketch压缩造成的梯度误差，提高模型精度。论文还对所提出的方案进行了严格的收敛性证明，并通过实验与先前的工作进行比较。理论和实验结果证实，论文中的方案具有较低的通信和计算开销。
TC是中国计算机学会(CCF) A类期刊，影响因子为3.183，是计算机及操作系统、通信协议等研究领域中顶级刊物。
附论文地址：https://ieeexplore.ieee.org/document/10707306
