Differentially Private Federated Learning: A Client Level Perspective

介紹 我們的目標並不是只保護數據。相反，我們希望確保一個學習模型不會顯示客戶是否參與了分散的培訓。這意味着客戶機的整個數據集受到保護，不受來自其他客戶機的差異攻擊。 我們的主要貢獻:首先，我們展示了在聯合學習中保持較高的模型性能時，客戶機的參與是可以隱藏的。我們證明了我們提出的算法可以在模型性能損失很小的情況下實現客戶級差異隱私。與此同時發表的一項獨立研究[6]提出了一個類似的客戶級dp程序。然而

>>阅读原文<<