arXiv cs.CR· Ceren Y{\i}ld{\i}r{\i}m, Kamer Kaya, Sinan Y{\i}ld{\i}r{\i}m, Erkay Sava\c{s}·· 9 小时前AI 评分42
结合同态加密与差分隐私的联邦学习框架
Combining Homomorphic Encryption and Differential Privacy in Federated Learning for Model Inspection and Availability
AI 摘要
该研究提出一种结合基于同态加密的训练与基于差分隐私的模型检查及发布框架。在 FEMNIST 数据集实验中，该方法测试损失降至 1.09（对比仅差分隐私的 2.37），隐私参数ε后验均值达 4.32（对比 7.26）。间歇性模型监控可在保护加密训练轨迹的同时提供更强或相当的隐私估计。
来源：arXiv cs.CR · arxiv.org