面向差分隐私联邦学习的时间感知调度

本文探讨了跨时间可变数据库的差分隐私联邦学习 (Federated Learning)，深入研究了年龄、准确性与差分隐私 (DP) 之间的细致的三方权衡。强调调度的潜在优势后，本文提出一个优化问题，旨在满足 DP 要求，同时最小化聚合模型与无 DP 约束下获得的模型之间的损失差异。为充分利用调度优势，我们引入年龄相关的损失上界，从而开发了面向年龄的调度设计。仿真结果强调了我们所提出方案相较于不考虑调度作为设计因素的经典差分隐私 FL 的卓越性能。该研究为联邦学习中年龄、准确性与 DP 的相互作用提供了见解，具有实际意义。