本論文では、差分プライバシー(DP)を階層型連合学習(HFL)に統合した「H2FDP」を提案している。
H2FDPの主な特徴は以下の通り:
HFLシステムの階層構造(エッジデバイス、エッジサーバ、クラウドサーバ)に合わせて、各層でDPノイズ注入を柔軟に行う。これにより、全体の学習プロセスを通してターゲットのプライバシーレベルを維持できる。
H2FDPの収束挙動を理論的に解析し、ネットワーク構成、信頼モデル、目標プライバシーレベルに応じた収束特性を明らかにした。
収束解析結果に基づき、通信エネルギー、遅延、モデル精度、プライバシーの最適化を同時に行う適応制御アルゴリズムを開発した。
数値評価により、H2FDPが既存のDP連合学習手法に比べて大幅な性能改善を達成できることを示した。特に、エネルギー消費と遅延を最大60%削減できることを確認した。
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Frank Po-Che... ב- arxiv.org 04-22-2024
https://arxiv.org/pdf/2401.11592.pdfשאלות מעמיקות