研究人员开发了新的算法，通过分析对抗性梯度扰动来解决分布式学习中的隐私问题。该研究侧重于学习凸函数和L-光滑函数，研究了可达到的最小次优差距以及达到给定差距所需的查询复杂度。已建立了严格的可行性阈值和具有可证明查询复杂度保证的算法。 AI
影响 为安全的分布式学习引入了新的理论界限和算法，有可能提高协作式AI模型训练中的隐私性。
排序理由 这是一篇在arXiv上发表的关于分布式学习和隐私的研究论文。[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 →
arXiv:2605.03313v1 Announce Type: new Abstract: Privacy concerns in distributed learning often lead clients to return intentionally altered gradient information. We consider the problem of learning convex and $L$-smooth functions under adversarial gradient perturbation, where a c…