具有本地差分隐私的无线联邦学习
密码学与安全
2020-02-13 v1 信息论
math.IT
摘要
在本文中，我们研究在无线信道（建模为高斯多址信道 MAC）上的联邦学习（FL）问题，该问题受本地差分隐私（LDP）约束。我们表明，无线信道的叠加特性带来了双重益处：在带宽高效地聚合梯度的同时，为用户提供强 LDP 保证。我们提出了一种私有无线梯度聚合方案，该方案表明，当聚合来自 个用户的梯度时，每用户的隐私泄露随 缩放，而正交传输中的隐私泄露则按常数缩放。我们还给出了所提私有 FL 聚合算法的收敛速率分析，并研究了无线资源、收敛性与隐私之间的权衡。
引用
@article{arxiv.2002.05151,
title = {Wireless Federated Learning with Local Differential Privacy},
author = {Mohamed Seif and Ravi Tandon and Ming Li},
journal= {arXiv preprint arXiv:2002.05151},
year = {2020}
}