联邦学习兼顾公平性与差分隐私
机器学习
2021-08-24 v1 人工智能
密码学与安全
计算机与社会
摘要
深度学习前所未有的成功引发了一些伦理问题，从有偏预测到数据隐私。研究人员通过引入公平性指标、联邦学习或差分隐私来解决这些问题。本工作首次提出了一个同时整合这三种措施的伦理联邦学习模型。在Adult、Bank和Dutch数据集上的实验凸显了由此产生的准确率、公平性和隐私之间的“经验性相互作用”。
引用
@article{arxiv.2108.09932,
title = {Federated Learning Meets Fairness and Differential Privacy},
author = {Manisha Padala and Sankarshan Damle and Sujit Gujar},
journal= {arXiv preprint arXiv:2108.09932},
year = {2021}
}