DP-REC：隐私且通信高效的联邦学习
机器学习
2021-12-09 v2 密码学与安全
机器学习
摘要
隐私和通信效率是神经网络联邦训练中的重要挑战，而将二者结合仍是一个开放问题。在这项工作中，我们开发了一种统一高度压缩通信与差分隐私（DP）的方法。我们将基于相对熵编码（REC）的压缩技术引入联邦设置。通过对 REC 的微小修改，我们获得了一种可证明差分私有的学习算法 DP-REC，并展示了如何计算其隐私保证。我们的实验表明，DP-REC 大幅降低了通信成本，同时提供了与最先进水平相当的隐私保证。
引用
@article{arxiv.2111.05454,
title = {DP-REC: Private & Communication-Efficient Federated Learning},
author = {Aleksei Triastcyn and Matthias Reisser and Christos Louizos},
journal= {arXiv preprint arXiv:2111.05454},
year = {2021}
}