典型文献
面向联邦学习的本地差分隐私设计
文献摘要：
为探究联邦学习的权重聚合框架下本地差分隐私对模型精度影响并提升服务端聚合速度以及本地模型的收敛速度.本文面向联邦学习的本地差分隐私机制的实现探讨cells的个数、ε、客户端数量、扰动机制和数据分配方式对模型精度的影响.本文还设计自适应隐私预算策略,提升模型的收敛速度,方法是使用相邻轮模型的相似性与初始隐私预算建立反比关系从而自适应调整隐私预算.实验表明,从精度损失来看,随cells个数、ε、客户端数量增加而变小;在同等ε下,RR,OUE的结果近似一致,NonIID比IID精度损失率高;自适应隐私预算策略能够根据相邻轮模型的相似度提升模型收敛速度.
文献关键词：
联邦学习;本地差分隐私;隐私保护;自适应隐私预算
中图分类号：
作者姓名：
张昊
作者机构：
东华大学 计算机科学与技术学院,上海201620
文献出处：
引用格式：
[1]张昊-.面向联邦学习的本地差分隐私设计)[J].智能计算机与应用,2022(05):61-65,69
A类：
自适应隐私预算,OUE,NonIID
B类：
联邦学习,本地差分隐私,隐私设计,权重聚合,聚合框架,模型精度,精度影响,提升服务,服务端,合速度,收敛速度,隐私机制,cells,客户端,数据分配,分配方式,反比,自适应调整,精度损失,RR,损失率,隐私保护
AB值：
0.255282
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
