面向分布内数据获取的保形数据污染检验

论文提出一种无分布假设、污染感知的数据获取框架，仅检查少量数据即可识别对模型个性化最有价值的外部数据代理。研究引入基于保形异常检测的两样本检验，在任意污染水平下保持有效，新型 Storey 型检验通过 Benjamini-Hochberg 过程实现有限样本错误发现率控制。实验在多种协作学习场景中验证了方法的稳健性与有效性。