Aug, 2023
基于局部差异隐私联邦学习的动态隐私分配与复合目标
Dynamic Privacy Allocation for Locally Differentially Private Federated Learning with Composite Objectives
Jiaojiao Zhang, Dominik Fay, Mikael Johansson
TL;DR本文提出了一种局部差分隐私联邦学习算法，用于强凸但可能非光滑问题，以保护每个参与者的梯度免受诚实但好奇的服务器的侵犯，并通过给共享信息添加人工噪声来保证隐私，并动态分配时变噪声方差以最小化一个预定义的隐私预算约束下的优化误差上界，从而可以在无需调整迭代次数的情况下，在可接近最优解的周围实现隐私保护和效用，数值结果表明该算法优于现有的方法。