Whisper D-SGD:代理之间的相关噪声以实现差分隐私去中心化学习

📝

内容提要

本研究解决了去中心化学习中代理模型通信所带来的隐私泄露问题。提出的Whisper D-SGD是一种新颖的协方差方法,通过在代理之间生成相关的隐私噪声,优化噪声协方差,实现网络范围的噪声抵消。实验结果表明,Whisper D-SGD显著降低了差分隐私的实用性能差距,并提升了模型在同等隐私保障下的表现。

🏷️

标签

➡️

继续阅读