REMISVFU: 基于表征误导的垂直联邦遗忘学习

这项研究探索了在垂直设置中使用一种新颖的表示误导技术的联邦遗忘学习。 核心概念可能侧重于如何从联邦模型中删除或减轻特定数据点的影响，同时保持其整体性能。

• •解决了联邦学习中数据遗忘的挑战。
• •采用“表征误导”用于中间输出特征。
• •似乎针对垂直联邦学习场景。