arXiv · cs.AI· Jingwei Zhao, Tiantong Sun, Yuanyuan Song, Jinhuan Guo, Wei Zishuo, Shengyu Huang, Ziyuan Ren, Wei Chen, Xiaojin Zhang·· 7 小时前
FedSumUp：面向资源受限联邦智能的可审计隐私感知表示共享
FedSumUp: User-Auditable Privacy-Aware Representation Sharing for Resource-Constrained Federated Intelligence
arXiv:2610.21194v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jingwei Zhao, Tiantong Sun, Yuanyuan Song, Jinhuan Guo, Wei Zishuo, Shengyu Huang, Ziyuan Ren, Wei Chen, Xiaojin Zhang
研究任务与主要进展
研究提出FedSumUp，在资源受限设备上通过可学习有损压缩共享紧凑表示，并支持用户评估隐私—效用权衡；服务器无需访问原始数据即可训练压缩器。基于论文摘要，在BloodMNIST、CIFAR-10和ChestMNIST实验中的重建PSNR最低为8.56 dB，客户端运行时间最高减少96.5%，同时保持具有竞争力的分类准确率。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org