Miha Ožbot, Seiichi Ozawa, Igor Škrjanc · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31211 · open-access PDF
이 논문에서 우리는 진화하는 흐릿한 클러스터링과 샤플러 기반 익명화에 기초한 새로운 하나의 샷 연합 클러스터링 접근법을 제시합니다. 연합 클러스터링에서 각 라운드는 서버에 추가 모델 정보를 공개하고 로컬 데이터 세트의 속성을 추론 할 수있는 기회를 증가시킬 수 있습니다. 원시 샘플이 결코 공유되지 않을 때조차도 결과적으로 클라이언트-서버 교환과 링크 할 수 없음이 적어도 중요하므로 전송된 정보는 단일 클라이언트에 할당될 수 없습니다. 데이터 스트림 클러스터링 알고리즘은 데이터를 단일 통과하여 배울 수 있습니다.
Machine translation (Meta M2M100); the English original follows.
In this paper, we present a novel one-shot federated clustering approach based on evolving fuzzy clustering and shuffler-based anonymization. In federated clustering, each round reveals additional model information to the server and can increase the opportunity to infer properties of local datasets, even when raw samples are never shared. Consequently, fewer client-server exchanges and unlinkability are important, so transmitted information cannot be attributed to any single client. Data-stream clustering algorithms, which learn in a single pass over the data, align well with the one-shot fede
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31211, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange