BI-DIRECTIONAL COMPRESSION AND PRIVACY FOR EFFICIENT COMMUNICATION IN FEDERATED LEARNING

Certain aspects of the present disclosure provide techniques for performing federated learning, including receiving a global model from a federated learning server; determining an updated model based on the global model and local data; and sending the updated model to the federated learning server using relative entropy coding. Certains aspects de la présente divulgation concernent des techniques pour effectuer un apprentissage fédéré, consistant à recevoir un modèle global à partir d'un serveur d'apprentissage fédéré; à déterminer un modèle mis à jour sur la base du modèle global et de données locales; et à envoyer le modèle mis à jour au serveur d'apprentissage fédéré à l'aide d'un codage entropique relatif.