面向非独立同分布数据的隐私保护联邦高频项分析
分布式、并行与集群计算
2024-04-18 v2
摘要
联邦高频项分析涉及在分布式数据中识别出现频率最高的项。该任务的现有方法常面临诸如损害隐私或牺牲效用等挑战。为解决这些问题，我们引入了一种新颖的隐私保护算法，该算法利用层次结构，通过扰动和相似性技术来发现非独立同分布（non-IID）数据中的局部和全局高频项。我们在合成和真实数据集上进行了广泛评估，以验证我们方法的有效性。我们还展示了FedCampus，一个演示应用，用以展示我们的算法在分析人口统计信息方面的能力。
引用
@article{arxiv.2307.02277,
title = {Privacy-Preserving Federated Heavy Hitter Analytics for Non-IID Data},
author = {Jiaqi Shao and Shanshan Han and Chaoyang He and Bing Luo},
journal= {arXiv preprint arXiv:2307.02277},
year = {2024}
}
备注
technical error in Theorem 1