Dec, 2023
联邦学习中效率受限的效用隐私双目标优化的理论分析
A Theoretical Analysis of Efficiency Constrained Utility-Privacy Bi-Objective Optimization in Federated Learning
Hanlin Gu, Xinyuan Zhao, Yuxing Han, Yan Kang, Lixin Fan...
TL;DR该研究论文系统地提出了一种效率受限的差分隐私联邦学习的双目标优化问题,并针对噪声水平(σ)、通信轮数(T)和样本比例(q)进行了深入的理论分析,通过大量实验验证了分析结果的有效性和实用性,并为差分隐私联邦学习的低成本参数设计提供了宝贵的指导。