隐私与效用兼得
用主动选取的少量公共数据，在严格差分隐私限制下迁移高质量知识。
Tan, Qi · 吴方照 · 武楚涵 · 何亮 · 黄永峰 · 谢幸
Nature Communications 2023
通过在模型参数上施加差分隐私，防止本地私有信息通过参数泄露。
仅需少量主动选取的公共数据即可迁移高质量知识，无需大量公共数据集。
在严格差分隐私下，将联邦学习相比集中式学习的性能差距最多缩小 84%。