标签
提出 PFDF，一种基于路径依赖的联邦遗忘客户端选择框架，通过 CLP 加权历史记录筛选出与目标客户端弱耦合但全局信息量大的保留客户端，以更少的通信和计算成本实现高效遗忘。
提出 ATONE 方法，将联邦遗忘嵌入联邦学习的聚合规则中，用于在没有明确遗忘目标的情况下，根据车辆运行症状消除故障或投毒贡献的影响，在三个驾驶数据集上显著优于现有基线。
FedUP提出了一种一次性联邦遗忘框架，利用差分私有类质心引导的轻量级可插拔过滤器，无需多轮通信即可高效移除特定知识，实现了低延迟和内在可逆性。