科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明涉及一种用于隐私保护的联邦学习方法,将压缩感知技术与自适应本地差分隐私技术结合在一起,对数据隐私进行安全保护。利用压缩感知减少模型本身参数规模同时,使得在应用差分隐私添加噪声时,也减少了往模型添加的噪声量,而添加噪声的自适应方式也能进一步减少添加的噪声,使得最后的总通信量比其它同时使用差分隐私和压缩或量化的方法更低。在数据隐私保护方面,根据每一层权重值变化范围的差异性而进行自适应的数据扰动,这可以进一步减少总的噪声量,还可以在不破坏数据隐私的同时,提高数据的可用性,使得模型的精确性提高。
- 单位
