PHY-Fed：无线通信中联邦学习的信息论安全聚合
信息论
2022-11-01 v1 信号处理
math.IT
摘要
联邦学习（FL）是无线边缘的一种分布式机器学习，可保护客户端数据免受对手乃至中央服务器的隐私泄露。现有联邦学习方法要么使用（i）易受推断攻击的安全多方计算（SMC），要么使用（ii）在参与方数量多且各方数据量相对较小时可能降低测试精度的差分隐私。为解决文献中现有方法的这一问题，本文引入 PHY-Fed，一种从信息论角度保障联邦算法安全的新框架。
引用
@article{arxiv.2210.16917,
title = {PHY-Fed: An Information-Theoretic Secure Aggregation in Federated Learning in Wireless Communications},
author = {Mitra Hassani and Reza Gholizadeh},
journal= {arXiv preprint arXiv:2210.16917},
year = {2022}
}