Differentially Private Federated Learning: A Client Level Perspective

介绍 咱们的目标并非只保护数据。相反，咱们但愿确保一个学习模型不会显示客户是否参与了分散的培训。这意味着客户机的整个数据集受到保护，不受来自其余客户机的差别攻击。 咱们的主要贡献:首先，咱们展现了在联合学习中保持较高的模型性能时，客户机的参与是能够隐藏的。咱们证实了咱们提出的算法能够在模型性能损失很小的状况下实现客户级差别隐私。与此同时发表的一项独立研究[6]提出了一个相似的客户级dp程序。然而，

>>阅读原文<<