.png){kind=icon}
返回
Masked Diffusion Strategy for Privacy-Preserving Distributed Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3593357.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为保护分布式学习中的本地梯度和估计参数，本文引入了一种掩码扩散（MD）策略，由此产生了两种算法：MD随机梯度（MD-SG）和MD原始-对偶随机梯度（MPD-SG）。这两种算法通过纳入两种机制区别于现有的隐私扩散方法：非零均值保护噪声和随机矩阵步长。第一种机制确保传输值的机密性，而第二种机制保护梯度信息。我们在标准假设下分析了所提出方法的均方稳定性和隐私性。结果表明，在异构数据场景下，MPD-SG算法在参数γ足够小时，其稳态性能优于MD-SG算法。最后，仿真验证了所提出算法的有效性，并支持理论分析。
Keyword:
Distributed learning
masked diffusion
privacy-preserving
mean-square stability
期刊
IF:
8
论文数:
5.2K
被引数:
2.3W
机构
引用论文
.png){kind=icon}
分享收藏Differentially Private Distributed Online Algorithms Over Time-Varying Directed Networks时变有向网络上的差分私有分布式在线算法
PREAI
分享收藏
查看更多内容