Jan, 2023
基于差分隐私标签比例的分布式 LSTM 学习
Distributed LSTM-Learning from Differentially Private Label Proportions
Timon Sachweh, Daniel Boiar, Thomas Liebig
TL;DR该论文提出了两个有效模型,利用差分隐私和去中心化 LSTM 学习,以解决数据隐私、通信带宽和从时空数据中学习的问题,并在 Pems-Bay 和 METR-LA 数据集上进行了评估,同时提供了基于 LuST 的自有数据集,评估结果显示了性能与数据隐私之间的权衡。