隐私保护的图联邦学习
机器学习
2023-01-18 v2 密码学与安全
摘要
联邦学习是一种半分布式算法，其中服务器与多个分散的客户端通信以学习全局模型。联邦架构并不鲁棒，并且由于其一主多客的结构，对通信与计算过载十分敏感。它也可能遭受针对通信链路上个人信息的隐私攻击。在这项工作中，我们引入图联邦学习（GFL），其由通过图连接的多个联邦单元组成。然后我们展示如何利用图同态扰动来确保算法满足差分隐私。我们进行了收敛性与隐私的理论分析，并通过计算机仿真说明了性能。
引用
@article{arxiv.2203.07105,
title = {Privatized Graph Federated Learning},
author = {Elsa Rizk and Stefan Vlaski and Ali H. Sayed},
journal= {arXiv preprint arXiv:2203.07105},
year = {2023}
}