May, 2024
无加噪差分隐私联邦学习:何时可行?
Differentially Private Federated Learning without Noise Addition: When is it Possible?
Jiang Zhang, Yahya H Ezzeldin, Ahmed Roushdy Elkordy, Konstantinos Psounis, Salman Avestimehr
TL;DR通过在集成模型更新中引入内在的随机性来减少为实现差分隐私所需的额外噪音量,以提供安全聚合的联邦学习 (Federated Learning) 为主题的研究论文。