研究人员开发了一个新的联邦学习框架，通过将客户端的隐私选择建模为均场博弈来解决隐私问题。这种方法允许在大量客户端的情况下进行可处理的均衡计算，适应不同的偏好并提供个性化的隐私保证。该方法在MNIST等数据集上进行了演示，实现了与现有基线相当的隐私-效用权衡，同时提供了更量身定制的隐私保护。 AI
影响 为增强分布式机器学习系统的隐私性引入了一种新颖的理论方法。
排序理由 学术论文，详细介绍了新的理论框架和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
