结合差分隐私的端到端语音识别联邦学习
原文英文，约300词，阅读约需1分钟。发表于：。*Equal Contributors While federated learning (FL) has recently emerged as a promising approach to train machine learning models, it is limited to only preliminary explorations in the domain of...
本文介绍了将差分隐私应用于联邦学习的自动语音识别任务的新方法。作者通过模型设计和数据异质性等因素的探索，建立了FL with DP的ASR基准，并成功对抗了差分隐私噪声对模型训练的不利影响。在用户级别上，他们实现了（7.2，10^-9）-DP和（4.5，10^-9）-DP，并在ASR中取得了较低的词错误率。
