基于用戶級(jí)差分隱私的聯(lián)邦學(xué)習(xí)方案研究

摘要： 聯(lián)邦學(xué)習(xí)(Federated learning, FL)作為一種安全的分布式機(jī)器學(xué)習(xí)技術(shù)，允許各參與方通過分布式合作訓(xùn)練一個(gè)優(yōu)于各方單獨(dú)訓(xùn)練的全局模型，而無須共享本地?cái)?shù)據(jù)。大量研究表明，聯(lián)邦學(xué)習(xí)機(jī)制仍存在安全泄露的風(fēng)險(xiǎn)，差分隱私技術(shù)被廣泛應(yīng)用于聯(lián)邦學(xué)習(xí)來實(shí)現(xiàn)參與方的隱私保護(hù)。針對(duì)現(xiàn)有基于差分隱私的聯(lián)邦學(xué)習(xí)方案在數(shù)據(jù)效用和數(shù)據(jù)隱私之間難以達(dá)到良好權(quán)衡的問題，提出一種基于用戶級(jí)差分... （共8頁）