面向去中心化图像分类的拓扑感知差分隐私
密码学与安全
2021-09-03 v2 机器学习
摘要
本文设计了 Top-DP，一种优化去中心化图像分类系统差分隐私保护的新方案。其核心思路是利用去中心化通信拓扑的独特特征来降低噪声规模并提升模型可用性。(1) 我们以这种拓扑感知的降噪策略增强 DP-SGD 算法，并融入时间感知的噪声衰减技术。(2) 我们设计了两种新颖的学习协议（同步与异步），以保护具有不同网络连通性和拓扑结构的系统。我们形式化分析并证明了所提方案满足差分隐私要求。实验评估表明，与先前工作相比，我们的方案在可用性与隐私之间实现了更好的权衡。据我们所知，这是首个从网络拓扑视角进行的差分隐私优化工作。
引用
@article{arxiv.2006.07817,
title = {Topology-aware Differential Privacy for Decentralized Image Classification},
author = {Shangwei Guo and Tianwei Zhang and Guowen Xu and Han Yu and Tao Xiang and Yang Liu},
journal= {arXiv preprint arXiv:2006.07817},
year = {2021}
}
备注
Accepted by TCSVT