May, 2023
一种元学习框架用于调整值得信赖的联邦学习中保护机制的参数
A Meta-learning Framework for Tuning Parameters of Protection Mechanisms in Trustworthy Federated Learning
Xiaojin Zhang, Yan Kang, Lixin Fan, Kai Chen, Qiang Yang
TL;DR提出了一个以隐私泄露、效用损失和效率降低为权衡因素的优化机制,以保护机制参数为基础,旨在使广泛应用的保护机制达到最佳平衡,包括随机化、同态加密、秘密共享和压缩等多种保护机制。