跨领域的联邦学习与基于记录的个性化差分隐私
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
介绍了rPDP-FL框架,用于跨域FL的个性化差分隐私记录。采用两阶段混合抽样方案满足不同隐私需求。提出了Simulation-CurveFitting解决方案,解决了q和ε之间的非线性相关性。评估结果显示,该解决方案相比基线有显著性能提升。
🎯
关键要点
- 介绍了rPDP-FL框架,用于跨域FL的个性化差分隐私记录。
- 采用两阶段混合抽样方案,满足不同隐私需求。
- 提出了Simulation-CurveFitting解决方案,解决了q和ε之间的非线性相关性。
- 评估结果显示,该解决方案相比基线有显著性能提升。