利用固有硬件损伤实现隐私保护的无线联邦学习
信息论
2021-08-31 v2 信号处理
math.IT
摘要
我们考虑一个无线联邦学习系统，其中多个数据持有边缘设备通过与一个诚实但好奇的参数服务器共享其参数更新来协作训练一个全局模型。我们证明了边缘设备模型更新上所受到的固有硬件引起的失真可被用作一种隐私保护机制。具体而言，我们将该失真建模为功率相关的加性高斯噪声，并提出了一种在差分隐私框架下提供隐私保证的功率分配策略。我们进行了数值实验，以在不同水平的硬件损伤下评估所提功率分配方案的性能。
引用
@article{arxiv.2102.10639,
title = {Privacy-Preserving Wireless Federated Learning Exploiting Inherent Hardware Impairments},
author = {Sina Rezaei Aghdam and Ehsan Amid and Marija Furdek and Alexandre Graell i Amat},
journal= {arXiv preprint arXiv:2102.10639},
year = {2021}
}
备注
6 pages, 2 figures, submitted to IEEE 26th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD2021) SS4: Physical-Layer Methods for Security and Privacy in Beyond 5G/6G and Internet of Things Networks