[CACM 2024, IF 22.7] 祝贺团队论文被计算机科学领域顶刊Commun. ACM录用! - 个人简介 - 杨 树森
[CACM 2024, IF 22.7] 祝贺团队论文被计算机科学领域顶刊Commun. ACM录用!
Belt and Brace: When Federated Learning Meets Differential Privacy(作者:Xuebin Ren, Shusen Yang, Cong Zhao, Julie McCann and Zongben Xu)。联邦学习(FL)可在不暴露原始数据的情况下实现大规模机器学习(ML)。差分隐私(DP)是具有可证明性的隐私保护标准, 其对机器学习与联邦学习算法中的严格隐私保护具有重要意义。然而,实现具有严格DP隐私保护的联邦学习算法当前仍面临诸多挑战,一方面现有研究脉络比较零散,其相关隐私保护的概念分类缺乏系统整理,另一方面,DP隐私保护的联邦学习面临着隐私和效用之间的艰难选择。因此,该论文对当前相关研究进展进行全面回顾,并对具有DP保证的高度可用FL系统的挑战和机遇进行总结分析。此外,我们提出了寻求模型效用和隐私损失之间更好权衡的优化原则。最后,我们讨论新兴领域和相关研究主题中的未来挑战。
图1 隐私保护的联邦学习优化
新
News List
闻列表
-
2024
01-12
-
2023
12-27
-
2023
12-12
-
2023
12-08
-
2023
12-05
-
2023
12-01