通过客户端驱动功率平衡实现隐私增强的空中联邦学习
信号处理
2026-03-25 v2
摘要
本文介绍了一种新颖的隐私增强型空中联邦学习（OTA-FL）框架，采用客户端驱动功率平衡（CDPB）来解决OTA-FL系统中的隐私问题。在最近的研究中，服务器根据每个客户端连续传输的信道状态信息（CSI）来确定功率平衡。此外，它们专注于在每个全局迭代中满足隐私要求，随着学习过程的延长，这可能会增加隐私暴露的风险。为了减轻这些风险，我们提出了两种CDPB策略——CDPB-n（噪声）和CDPB-i（空闲）——允许客户端独立调整传输功率，而无需共享CSI。CDPB-n在信道条件差时传输噪声，而CDPB-i则暂停传输直到条件改善。为了进一步提高隐私和学习效率，我们展示了一种混合策略CDPB-mixed，它结合了CDPB-n和CDPB-i。我们的实验结果表明，CDPB在模型准确性和隐私保证方面优于传统方法，为在资源受限环境中增强OTA-FL提供了一种实用的解决方案。
引用
@article{arxiv.2410.05907,
title = {Privacy-Enhanced Over-the-Air Federated Learning via Client-Driven Power Balancing},
author = {Bumjun Kim and Hyowoon Seo and Wan Choi},
journal= {arXiv preprint arXiv:2410.05907},
year = {2026}
}
备注
17pages