.png){kind=icon}
返回
Federated Submodular Maximization With Differential Privacy
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2023.3324801.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
子模块最大化是许多物联网应用中的基本问题，例如传感器放置，资源分配和移动众包。尽管在过去的二十年中进行了深入的研究，但在新兴的联合计算环境中尚未考虑子模块最大化的问题。在本文中，我们首先全面研究了联合子模块最大化，其中一组客户端旨在合作寻找一组项目，以在中央服务器的编排下最大化单调子模块功能，同时为其敏感数据提供强大的隐私保证。我们在客户端级别的差分隐私 (DP) 设置中考虑了这个问题: 服务器不一定是可信的，客户端应该在将结果发送到服务器之前在本地扰动它们的结果。具体来说，我们通过将客户端级DP机制和分解的函数评估结合到贪婪算法中，提出了一种用于联邦子模块最大化的新颖近似算法，以及两种启发式方法，以进一步减少隐私预算，计算成本和通信开销。最后，我们进行了广泛的实验，以证明我们提出的算法的有效性和效率。
Keyword:
Approximation algorithm
differential privacy (DP)
federated computation
submodular maximization
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
.png){kind=icon}
分享收藏
The Ada protein acts as both a positive and a negative modulator of Escherichia coli's response to methylating agents.Ada蛋白充当大肠杆菌对甲基化试剂的反应的阳性和阴性调节剂。
OAAI
OAAI分享收藏
查看更多内容