### Federated Learning 學長交接討論重點摘要 * 研究題目 : 聯邦式學習 - 資料汙染 data poisoning attack (UCB演算法) * 研究方向 : 資料異質性 (**鍾明翰**學長) * 實驗是在自己的電腦上跑 (但不確定是否有遠端連線回實驗室Server跑實驗) * 主要採用MNIST資料集 (但學長給的資料還有常見的CIFAR-10和CIFAR-100) * 不是使用多執行序實作平行處理的聯邦式學習 (因為有些paper有用，所以我有向學長確認) * 需要很多算力? 這部分我有問過學長，需要看跑的資料集複雜程度決定! * 研究困難點 - 想題目 - paper with code (論文作者有開源程式碼，對實驗或許有幫助) * 未來可以做的方向 1. 怎麼做aggregate可以有比較好的效果(權重差異化) 2. 怎麼選擇client (基因演算法) 3. 設備異質性 4. RL觀察環境 5. 上傳下載之間的壓縮(client/server端通訊) 6. 監聽的問題(客戶端資料重建的問題)+noise造成重構上的困難 7. 客戶端偽裝的問題(間歇性攻擊) (**鍾明翰**學長有提供原始程式碼給我和夏旻，但不能外流，有需要還是要徵求學長同意!) ### 額外補充 感謝**陳思妤**提供 - Apache_ECharts (寒假-中華電信實習所使用到的視覺化工具)