Federated Learning for 5G SS

NIAID Data Ecosystem2026-03-13 收录

联邦学习

5G频谱感知

数据链接：

https://zenodo.org/record/5805529 数据链接链接失效反馈

官方服务：

资源简介：

Part of the data for Federated Learning-based 5G spectrum sensing

创建时间：

2021-12-28

HtFLlib

联邦学习

异构数据

HtFLlib是一个全面的异构联邦学习库和基准，旨在促进异构联邦学习（HtFL）方法的研究和应用。它包含了跨越不同领域、模态和数据异构性场景的12个数据集，以及40种模型架构和10种代表性的HtFL方法。HtFLlib旨在提供一个统一的框架，用于评估和分析HtFL方法在不同领域的有效性和鲁棒性，并为研究人员提供一个易于使用和可扩展的平台。

arXiv2025-06-04 更新1630

FedGUI-Platform; FedGUI-Device; FedGUI-OS; FedGUI-Web; FedGUI-Mobile; FedGUI-Full

联邦学习

GUI智能体

FedGUI是由同义实验室等机构构建的首个跨平台联邦学习GUI智能体基准数据集，涵盖移动端、网页端和桌面端三大平台，包含6个子集共15,500个交互事件。数据源自AndroidControl、Mind2Web等9个真实场景数据集，通过统一动作空间映射和系统性数据清洗，模拟了跨平台、跨设备、跨操作系统及跨数据源四类异构性。该数据集旨在解决分布式环境下GUI智能体的隐私保护协作训练问题，为构建可扩展的

arXiv2026-04-16 更新140

pFL-Bench

联邦学习

个性化学习

pFL-Bench是一个综合性的个性化联邦学习基准，包含超过10个不同应用领域的数据集变体，具有统一的数据分割和现实异构设置。

arXiv2022-10-13 更新70

VertiBench

联邦学习

数据分区

VertiBench是一个用于联邦学习、分割学习和辅助学习的基准，它提供工具从给定的全局数据集中合成垂直分区数据。VertiBench支持在不同不平衡和相关性级别下的数据分区，有效地模拟了广泛的实际垂直联邦学习场景。

github2023-12-18 更新230

AOL4FOLTR

联邦学习

搜索排名分析

AOL4FOLTR是一个大规模的网页搜索数据集，包含约260万个查询，来自10,000名用户。该数据集旨在解决联邦在线学习排序（FOLTR）中隐私保护和数据真实性的问题。它基于2006年发布的AOL查询日志，通过互联网档案馆恢复了超过42万个网站的内容，并重建了每个查询的前20个结果集。数据集包含查询-文档对、用户ID、时间戳、点击和非点击文档等数据，并使用103个特征进行编码。该数据集为评估同步

arXiv2025-08-17 更新80

Federated Learning for 5G SS

资源简介：

相关数据集