Mar, 2020
本地差分隐私下带 Top-k 维度选取的联邦随机梯度下降
FedSel: Federated SGD under Local Differential Privacy with Top-k Dimension Selection
Ruixuan Liu, Yang Cao, Masatoshi Yoshikawa, Hong Chen
TL;DR本文提出了一种名为 FedSel 的两阶段框架,用于解决联邦学习中梯度隐私问题。该框架利用 Top-k 维度的贡献来选择维度,以减轻噪声注入的问题,同时在真实和合成数据集上进行的实验也证明了该框架在隐私保护、准确性和时间复杂度方面的有效性和效率优于现有的解决方案。