[IEEE TPAMI 2023, IF 24.3] 祝贺团队论文被人工智能领域顶刊IEEE TPAMI( 中科院 1区)录用! - 个人简介 - 杨 树森
[IEEE TPAMI 2023, IF 24.3] 祝贺团队论文被人工智能领域顶刊IEEE TPAMI( 中科院 1区)录用!
Multi-stage Asynchronous Federated Learning with Adaptive Differential Privacy(作者:Yanan Li, Shusen Yang*, Xuebin Ren, Liang Shi and Cong Zhao)。该工作提出了一种多阶段差分隐私保护的异步联邦学习架构MAPA,该架构能根据学习过程动态地调整梯度裁剪与噪声方差大小,以降低引入的噪声对联邦学习模型效用的影响。进一步,考虑中心服务器是否可信,提出了样本级隐私保护算法MAPA-S和用户级隐私保护算法MAPA-C。在大量的标准联邦数据集上与6种先进的算法进行了比较,结果表明MAPA能够在不改变隐私保护程度前提下显著提升模型的效用,为异步联邦学习的行业应用提供了可行方法。
图1 问题及方法概述图
新
News List
闻列表
-
2024
02-28
-
2024
01-12
-
2023
12-27
-
2023
12-12
-
2023
12-08
-
2023
12-05