FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning（作者：Jie Shen, Shusen Yang*, Cong Zhao, Xuebin Ren, Peng Zhao, Yuqian Yang, Qing Han, and Shuaijun Wu）。该工作提出了首个无监督纵向联邦迁移故障诊断算法FedLED，突破了行业普遍面临的零标签工业装备故障诊断难题，解决了实际场景中新装备故障诊断模型难启动的痛点问题。FedLED通过纵向联邦域对抗自适应和联邦领域对齐，在将异构特征空间映射到隐公共特征子空间的同时，最小化源域标签分布和目标域分类结果分布之间的距离。基于真实工业大数据的大量实验全面验证了FedLED的有效性和先进性，其故障诊断准确率较SOTA方法最高提升4.13倍。

图 1 问题及方法框架图