基于正交序列的差分隐私无线联邦学习
信息论
2023-11-23 v2 密码学与安全
机器学习
信号处理
math.IT
机器学习
摘要
我们提出了一种用于单输入单输出(SISO)无线联邦学习(FL)系统的隐私保护上行空中计算(AirComp)方法,称为FLORAS。从通信设计的角度看,FLORAS利用正交序列的特性,消除了发送端信道状态信息(CSIT)的需求。从隐私角度看,我们证明FLORAS同时提供项级和客户端级差分隐私(DP)保证。此外,通过适当调整系统参数,FLORAS可在无额外开销的情况下灵活实现不同的DP级别。我们推导了一个新的FL收敛界,结合隐私保证,可在所得收敛率与差分隐私级别之间实现平滑权衡。实验结果表明,与基线AirComp方法相比,FLORAS具有优势,并验证了分析结果可指导具有模型收敛与隐私级别不同权衡需求的隐私保护FL设计。
引用
@article{arxiv.2306.08280,
title = {Differentially Private Wireless Federated Learning Using Orthogonal Sequences},
author = {Xizixiang Wei and Tianhao Wang and Ruiquan Huang and Cong Shen and Jing Yang and H. Vincent Poor},
journal= {arXiv preprint arXiv:2306.08280},
year = {2023}
}
备注
33 pages, 5 figures