标题：面向编解码器结构的多任务联邦学习算法研究
作者：曾子乔 余荣 朱强
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：联邦学习；多任务学习；注意力机制；数据异构性
摘要：在联邦学习应用场景中，不同的参与客户通常需要进行不同目标任务的训练，并且面临着数据异构性的影响，传统的联邦学习方法在这种多任务场景下的应用存在重大挑战。为了解决这一问题，提出了一种面向编解码器结构的多任务联邦学习算法，编码器由服务端统一确定，结合自注意力机制以提升特征提取能力，解码器由客户端根据自身任务需求决定。在全局模型聚合阶段，通过计算局部模型与全局模型之间的相似性作为注意力权重，提升进行多任务学习的稳定性。实验结果表明，所提出的方法在两种真实数据集下的分类任务中都取得了更高的准确率。