Sep, 2023
个性化联邦学习推进:群体隐私,公平与更多
Advancing Personalized Federated Learning: Group Privacy, Fairness, and Beyond
Filippo Galli, Kangsoo Jung, Sayan Biswas, Catuscia Palamidessi, Tommaso Cucinotta
TL;DR本文介绍了在联邦学习框架中处理个性化、隐私保证和公平性三者之间的相互关系,通过引入 $d$-privacy 方法,提供个性化模型训练、形式上的隐私保证和显著优于传统联邦学习模型的群体公平性。