Sep, 2024

基于沉浸和不变性的隐私保护联邦学习编码

TL;DR本研究解决了联邦学习中由于模型更新引起的隐私泄露问题,提出了一种结合差分隐私和控制理论的沉浸工具的隐私保护框架。研究表明,该框架在确保模型性能和系统效率的前提下,可以灵活调节所需的差分隐私水平,成功避免了传统方法中的隐私与性能之间的权衡问题。