自适应差分隐私机制

异步联邦学习隐私增强

在保持模型效用的同时，根据训练进展动态调整隐私预算，实现异步联邦学习中的隐私与性能平衡。

Yadong, Zhang · 张慧翔 · Yi, Yang · 孙文 · 张海宾 · Fu, Yaru

Journal of Network and Computer Applications 2025

技术优势

在相似隐私约束下提高准确率

自适应调整差分隐私参数，在相同隐私预算下获得更好的模型表现。

加快收敛速度

通过异步更新和自适应隐私机制，减少训练等待时间，更快达到目标精度。

应用场景

• 边缘智能：提升边缘设备异构场景下的联邦学习效率。
• 隐私保护机器学习：在保护数据隐私的同时维持模型性能。
• 联邦学习：为异步联邦学习提供隐私增强方案。