版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
一种针对联邦学习中差分隐私预算计算的收紧方法
专利申请号：CN202210151961.7
公 开 号：CN114462090B
代 理 人：北京挺立专利事务所(普通合伙)高福勇
代理机构：北京挺立专利事务所(普通合伙)
专利类型：发明专利
申 请 日：20230627
公 开 日：20220218
专利主分类号：G06F21/62
关 键 词：隐私 单个客户端 图像分类系统 假设检验 学习系统 预算计算 整体模型 客户端 下降法 预算 剪裁 标准化 学习 跟踪 更新
摘 要：本发明公开了一种针对联邦学习中差分隐私预算计算的收紧方法，通过从假设检验的角度出发，计算隐私预算，通过f‑差分隐私技术完成对联邦图像分类系统中隐私预算的跟踪工作，并通过客户端标准化梯度下降法完成对单个客户端更新梯度的规范，限制单个客户端对整体模型的影响，解决了现有工作中梯度阈值超参选择的难题，让模型可以完成更多轮次的训练，以及规避梯度剪裁阈值C对联邦学习模型的影响，使得联邦学习系统可以在不过分影响精度的同时，满足差分隐私。
