차별적 프라이버시 연합 학습: 서버 신뢰성, 추정 및 통계적 추론
연합 학습에서 프라이버시를 유지하기 위해서는 차별적 프라이버시가 필수적이다. 이 논문은 차별적 프라이버시 하에서 고차원 추정 및 추론의 과제를 조사한다. 첫째, 신뢰할 수 없는 중앙 서버 시나리오를 연구하여 고차원 문제에서 정확한 추정의 근본적인 어려움을 보여준다. 둘째, 신뢰할 수 있는 중앙 서버 시나리오를 고려하고 선형 회귀 모델에 맞춘 새로운 연합 추정 알고리즘을 소개한다. 또한 개별 매개변수에 대한 신뢰구간 구축과 동시 추론 전략을 제안한다.