arXiv stat.ML· Hao Liang, Haifeng Wen, Kaishun Wu, Khaled B. Letaief, Hong Xing·· 29 天前AI 评分29
空中计算联邦学习（AirFL）在多天线基站衰落信道下的差分隐私研究
Differential Privacy as a Perk: Federated Learning over Multiple-Access Fading Channels with a Multi-Antenna Base Station
AI 导读
研究人员针对多天线基站多址衰落信道下的空中计算联邦学习（AirFL），证明了无需注入人工噪声即可直接利用固有信道噪声获得用户级差分隐私（DP）。该研究推导了通用模型参数有界假设下的收敛 DP 界，以及通用平滑非凸损失函数下的收敛界。通过联合优化接收波束赋形与功率分配，该方案刻画了最优收敛与隐私权衡，并揭示了无需牺牲训练性能即可实现 DP 的明确条件。
来源：arXiv stat.ML · arxiv.org