Oct, 2023
保护隐私的联邦原始-对偶学习用于模型稀疏化的非凸和非平滑问题
Privacy-preserving Federated Primal-dual Learning for Non-convex and
Non-smooth Problems with Model Sparsification
TL;DR提出了一种用于非凸和非平滑联邦学习问题的新型原始-对偶算法,结合双向模型稀疏化和差分隐私,以保证强隐私,通过真实数据上的大量实验验证了该算法的有效性和比某些最先进的联邦学习算法更出色的性能,并验证了所有分析结果和特性。