AirFL多址衰落信道下无需人工噪声实现差分隐私
热点事件持续更新
AirFL多址衰落信道下无需人工噪声实现差分隐私
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
针对多天线基站多址衰落信道下的空中联邦学习(AirFL),Hao Liang等作者发表研究称,在用户级差分隐私(DP)要求下无需注入人工噪声(AN)即可获得DP增益,推翻了此前同类设置中必须注入AN的结论。 作者推导出在一般有界域假设下收敛的DP新界,以及针对一般光滑非凸损失函数的收敛界,并通过优化接收波束成形与功率分配刻画最优收敛-隐私权衡,给出DP可在不损害训练前提下实现的显式条件。
AI 根据报道生成 · 56 分钟前更新
最新进展10月5日 12:00
无需注入人工噪声:多天线基站多址衰落信道下联邦学习的差分隐私增益报道时间线
沿着报道,了解事件的不同侧面。
10月5日
- arXiv:cs.LG无需注入人工噪声:多天线基站多址衰落信道下联邦学习的差分隐私增益
针对多天线基站多址衰落信道下的空中联邦学习(AirFL),研究证明在用户级差分隐私(DP)要求下无需注入人工噪声(AN)即可获得DP增益,推翻了此前同类设置中必须注入AN的结论。作者推导出在一般有界域假设下收敛的DP新界,以及针对一般光滑非凸损失函数的收敛界,并通过优化接收波束成形与功率分配刻画最优收敛-隐私权衡,给出DP可在不损害训练的前提下实现的显式条件。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。