基于非相干空中计算的动态功率控制隐私保护联邦学习
机器学习
2023-08-08 v1
摘要
为了进一步保护联邦学习（FL）中的模型权重隐私并提升模型性能，提出了一种基于动态功率控制的空中计算（AirComp）联邦学习方案。边缘设备（EDs）通过激活两个相邻的正交频分复用（OFDM）子载波来传输本地随机梯度的符号，边缘服务器（ES）利用子载波上的能量累积获得多数投票（MVs）。随后，我们提出一种动态功率控制算法，以进一步抵消 MV 聚合值的偏置聚合。我们表明，整个方案能够缓解时间同步误差、信道衰落和噪声的影响。重新推导了该方案的理论收敛性证明。
引用
@article{arxiv.2308.02881,
title = {Private Federated Learning with Dynamic Power Control via Non-Coherent Over-the-Air Computation},
author = {Anbang Zhang and Shuaishuai Guo and Shuai Liu},
journal= {arXiv preprint arXiv:2308.02881},
year = {2023}
}
备注
Accepted by ICML