面向具有差分隐私的空中联邦学习的设备调度
信号处理
2022-11-15 v2
摘要
在本文中，我们提出了一种用于差分隐私空中联邦学习（DP-OTA-FL）系统的设备调度方案，称为 S-DPOTAFL，其中参与者的隐私由信道噪声保证。在 S-DPOTAFL 中，梯度通过对齐系数对齐，并通过空中计算（AirComp）进行聚合。该方案在训练中调度具有较好信道条件的设备，以避免对齐系数受系统中信道条件最差设备限制的问题。我们进行了隐私和收敛性分析，从理论上证明设备调度对隐私保护和学习性能的影响。为提高学习精度，我们构建了一个优化问题，目标是在隐私和发射功率约束下最小化训练损失。此外，我们给出了 S-DPOTAFL 优于不考虑设备调度的 DP-OTA-FL（NoS-DPOTAFL）的条件。通过仿真验证了 S-DPOTAFL 的有效性。
引用
@article{arxiv.2210.17181,
title = {Device Scheduling for Over-the-Air Federated Learning with Differential Privacy},
author = {Na Yan and Kezhi Wang and Cunhua Pan and Kok Keong Chai},
journal= {arXiv preprint arXiv:2210.17181},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2210.07669