krylov-subspace

介绍了HF-KCU，一种联邦学习中高效机器遗忘的方法，利用Krylov子空间近似移除客户端的贡献，在保持模型精度的同时实现比重新训练显著的加速，并对对抗扰动提供鲁棒性。