宽带通信中的空中联邦学习
机器学习
2023-06-06 v1
摘要
联邦学习(FL)是一种在无线边缘运行的隐私保护分布式机器学习范式。它使客户端能够协作进行模型训练，同时将其数据对攻击者和中央服务器保持私有。然而，当前的FL方法存在局限。一些依赖安全多方计算，这可能易受推理攻击。另一些采用差分隐私，但在处理大量贡献少量数据的参与方时可能导致测试精度下降。为解决这些问题，本文提出一种新方法，将联邦学习无缝集成到MIMO（多输入多输出）系统的内部机制中。
引用
@article{arxiv.2306.01963,
title = {Over-the-Air Federated Learning In Broadband Communication},
author = {Wayne Lemieux and Raphael Pinard and Mitra Hassani},
journal= {arXiv preprint arXiv:2306.01963},
year = {2023}
}