split-learning

福布斯文章解释了分割学习，这是一种使AI模型能够在敏感数据上训练而不暴露原始数据的技术，提高了隐私合规性并降低了通信成本。

QSplitFL提出了一种基于DQN的框架，用于在分割联邦学习中选择最优分割点，利用客户端硬件指标适应异构设备。实验表明，在多个数据集和架构上，该方法提高了收敛速度和准确率。