我的新闻

分享到:
[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!
发布者: 杨树森 | 2023-12-01 | 1635

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。

1 问题及方法概述图