基于差分隐私的联邦推荐系统
机器学习
2020-05-19 v2 信息论
math.IT
摘要
在本文中，我们关注我们称之为联邦私有老虎机框架的问题，该框架将差分隐私与多智能体老虎机学习相结合。我们探讨基于差分隐私的上置信界（UCB）方法如何应用于多智能体环境，特别是应用于“主从”与“完全去中心化”设置下的联邦学习环境。我们对所提方法的隐私与后悔性能提供理论分析，并探讨二者之间的权衡。
引用
@article{arxiv.2005.06670,
title = {Federated Recommendation System via Differential Privacy},
author = {Tan Li and Linqi Song and Christina Fragouli},
journal= {arXiv preprint arXiv:2005.06670},
year = {2020}
}
备注
This paper is accepted by 2020 IEEE International Symposium on Information Theory(ISIT 2020)